基于Adaboost的疲劳驾驶眨眼检测

第3 3卷第 4期2 o l 3年 0 8月

杭州电子科技大学学报J o u ma l o f t hn g z h o u D i a n z i U n i v e r s i t y

Vo 1 . 3 3. N o . 4A u g . 2 0 1 3

d o i: 1 0 . 3 9 6 9/ j .娜n . . 1 0 0 1 - 9 1 4 6 . 2 0 1 3 . 0 4- 0 0 9

基于 Ad a b o o s t的疲劳驾驶眨眼检测王奕直，周凌霄，孔万增(杭州电子科技大学计算机应用技术研究所，浙江杭州 3 1 0 0 1 8 )

摘要：驾驶员疲劳驾驶是引发交通事故的重要因素之一。通过对眼睛状态的实时检测，可以在生理特征上反映出驾驶员的疲劳状态。该文基于 A d a b o o s t算法训练分类器，在检测到驾驶员人脸的

基础上，对人眼区域进行预估，最后在预估区域中使用分类器对眨眼进行检测。在实际试验中，该方法具有很强的实时性和较好的准确性，能够有效的应用于疲劳驾驶的检测中。关键词：疲劳驾驶；分类器；人脸检测；眨眼检测中图分类号： T P 3 9 1 文献标识码： A 文章编号： 1 0 0 1— 9 1 4 6 ( 2 0 1 3 ) o 4— 0 0 3 5— 0 4

0 引言疲劳驾驶是交通事故的主要原因之一，当今疲劳驾驶检测主要有 4类： ( 1 )基于驾驶员生理信号；( 2 )基于驾驶员操作行为； ( 3 )基于车辆状态信息的检测方法； ( 4 )基于驾驶员生理反应特征…。研究表明，人在疲劳时，眨眼速度变慢，眨眼持续时间增长[ 2】。通过安装在驾驶员正面仪表盘上的摄像机检测眼睛状态，利用连续 2— 2 . 5 s检测到眼睛是否闭合来判断疲劳]。本文基于 A d a b o o s t算法训练分类器，在检测到驾驶员人脸的基础上对人眼区域进行预估，最后在预估区域中使用分类器对眨眼进行检测，实际试验中，本方法具有很强的实时性和较好的准确性。

1基于 A d a b o o s t的眨眼检测1 . 1￣d a b o o s t算法与 Ha a r型特征

A d a b o o s t算法是一种 B o o s t算法，它的目标是自动地从弱分类器空间中挑选出若干个分类能力较强的弱分类器整合成一个强分类器。A d a b o o s t算法的具体步骤如下： 设输人的 n个训练样本为：{ ( x , Y ), ( X 2, Y。 )

,…, ( x , Y )},其中x i是输入的第 i个训练样本， Y; E { 0, 1}分别表示正样本和负样本，其中正样本数为 S,负样本数 I T I, 1 3 .= S+ I n。 ( 1 )初始化每个样本的权重： W¨= 1/ n, i= 1, 2,…, n。 ( 2 )循环执行以下 4步， f o r t=1, 2,…, T ( T为最佳弱分类器的个数)。 1 )把权重归一化为一个概率分布：q t:, i (¨ 1 )

2 )对每个特征 f,训练一个弱分类器 h ,计算对应所有特征的弱分类器的加权错误 8 :收稿日期： 2 0 1 3—0 4—1 6

基金项目：国家级大学生创新创业训练计划资助项目( G J 2 0 1 2 1 0 3 3 6 0 0 8 ),浙江省重大国际合作研究资助项目( C 1 4 0 1 7 ) 作者简介：王奕直( 1 9 9 2一),男，浙江温州人，在读本科生，计算机应用.