基于眼部特征的疲劳驾驶检测算法研究

疲劳驾驶是交通事故的一个重要致因,文章从驾驶员的面部特征入手,通过肤色特性找到图像中的人脸区域,并采用积分投影法和边缘检测对驾驶员眼睛进行定位,选取眼睛区域面积与人眼图像面积的比值作为眼睛状态评判指标;建立睁眼、半闭眼、闭眼3种状态下的人眼样本,依据3σ准则得到相应的区间范围,从而识别驾驶员的眼部状态,实现一种适合于疲劳驾驶检测系统的改良算法。     

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

基于数字图像技术的汽车行驶轨迹状态识别

为获取驾驶员行驶状态信息与监控行车状况,通过车载CCD图像传感器获得序列图像,应用数字图像理解和计算机视觉技术,建立摄像机的透视投影模型和汽车行驶轨迹状态模型,根据平面图像上的点推导出车辆在空间道路上的实际位置,对车辆行驶过程中相对道路标线的行驶轨迹进行研究。该方法获得的行驶轨迹曲线能够正确判断驾驶员压线行驶、越线行驶与逆向行驶等违章行为,是判别驾驶员行驶状态的有效方法。     

基于眼动参数的驾驶员标志视认行为研究

通过驾驶员佩戴眼动仪在模拟舱中进行动态标志视认仿真实验,获得不同车速下驾驶员视认交通标志时的注视次数和注视时间.采用动态聚类方法将驾驶员的视野平面划分成3个区域,并统计分析各区域的眼动参数规律:驾驶员的注视点分布与车速及信息量的变化呈现高度的相关性,随着车速的提高以及信息量的增多,落在标志区域的注视次数和注视时间占总数...     

基于车窗区域定位的出租汽车驾驶员蓄须行为的自动检测技术研究

针对出租车驾驶员蓄须行为自动检测技术展开研究,提出了一套基于视频图像的、完整的自动检测方法。首先,根据复杂交通车流的特性,提出一种用车窗区域代替完整车辆的出租车检测方法,同时基于检测到的车窗区域实现对驾驶室的精准定位。其次,利用基于亮度通道的多尺度视网膜（Multi-scale Retinex, MSR） 增强的图像预处理算法实现对图像的光线平衡及细节恢复。最后,通过libfacedetection 算法的精准下巴区域提取、结合非肤色像素点提取以及灰度阈值法的正反验证来提升算法的鲁棒性。利用交通监控视频对整套方法进行测试,研究结果表明,该方法能够对出租车驾驶员蓄须行为进行识别,进而提高执法效能。     

基于自适应形态学滤波的ICT图像缺陷提取

针对ICT图像缺陷现有提取方法的不足,提出了一种自适应的数学形态学滤波方法．该方法首先对整张图像进行分水岭变换,根据区域大小自适应地选取结构元素区域．然后对该区域边界进行椭圆拟合,以确定结构元素模板．根据形态学原理运用此模板对图像进行闭运算,从而获得图像背景．最后,用背景图像减去原始图像,即可获得缺陷的图像．试验结果表明,该方法能获得更好的图像缺陷提取效果．     

车载行驶安全监控系统的横向振动误差修正

车载行驶安全监控系统利用CCD图像传感器获取图像．车辆运行过程中由于横向振动等诸多原因容易造成图像模糊,严重影响后续对驾驶员工作状况的检测。基于系统图像数据模型及图像数据采集手段,运用数学模型与傅立叶变换相结合的方法解决由于车辆横向振动造成的图像无法准确判别的问题,经实验结果证明,能够清除横向振动干扰而获得良好的图像,以此有效地监控驾驶员的工作状态并适时作出危险预警。     

车载行驶安全监控系统的横向振动误差修正

车载行驶安全监控系统利用CCD图像传感器获取图像,车辆运行过程中由于横向振动等诸多原因容易造成图像模糊.严重影响后续对驾驶员工作状况的检测.基于系统图像数据模型及图像数据采集手段,运用数学模型与傅立叶变换相结合的方法解决由于车辆横向振动造成的图像无法准确判别的问题,经实验结果证明.能够清除横向振动干扰而获得良好的图像.以此有效地监控驾驶员的工作状态并适时作出危险预警.     

基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

低照度边缘增强的语义分割模型研究

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN)。在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强。将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2%和67.6%的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能。     

融合Eye Map信息的疲劳检测方法的研究

为降低人眼检测过程的计算量,提出一种改进的融合EyeM ap信息的快速过滤算法。利用基于肤色信息的图像分割,得到感兴趣的人脸区域,缩小了搜索范围,减小了检测的错误接受率;然后使用Haar-Like特征进行级联AdaBoost人眼定位检测,得到潜在的人眼区域,使用EyeMap的快速算法获得准确地人眼区域,再进行二值化处理,计算眼睛的轴向外接矩形以估计出眼睑的闭合程度,结合PERCLOS评判标准进行疲劳状态分析。实验证明：改进算法能快速实时有效地识别驾驶员疲劳时的眼部状态。     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测、识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统。通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯。从而估算城市道路汽车流量,并调整道路中间隔离栅。仿真实验结果表明：算法能够有效的检测、识别目标,并对控制系统进行自动调节。     

日间高速公路侧后方车辆识别方法

为帮助驾驶员发现目标车道侧后方车辆尤其是视野盲区内车辆,从而避免或减少换道过程中发生的交通事故,提出了日间在高速公路上识别侧后方车辆的新方法.根据路面灰度值,将日间图像分为正常光照和弱光照两类.由于车辆阴影的灰度小于路面平均灰度,根据两侧车道区域内存在的灰度突变确定出侧后方车辆的可能存在区域.对确定的区域采用相应的阈值分割方法进行图像分割.在对分割后的二值化图像去噪、边缘提取和细化,以及提取车辆直线水平边缘基础上,根据系列车辆统计获得的先验知识(车辆前车窗的大小及比例等)验证车辆的真实存在.试验结果表明,该算法具有较好的可靠性和鲁棒性.     

基于序列图像的交通流自动调节系统

本文提出了从视频动态序列图像中检测,识别汽车目标的算法,以此来分析城市道路车流量状况,并自动调节控制系统.通过背景抑制法获得汽车区域,利用基于数学形态学的方法进行去噪声;利用二值图像阈值法和相关法来分别提取汽车车身和车灯.从而估算城市道路汽车流量,并调整道路中间隔离栅.仿真实验结果表明:算法能够有效的检测,识别目标,并对控制系统进行自动调节.     

基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究

针对草原公路直线段交通工程设施信息量设置存在的问题,以信息量化相关理论为基础,通过对驾驶员感兴趣区域(AOI)划分,建立5个不同信息量水平的室内模拟驾驶试验,利用数理统计方法定量分析不同熟练程度驾驶员在交通工程设施区域(AOI4),视认不同信息量水平交通工程设施的注视特性和扫视特性.研究结果表明:熟练驾驶员随交通工程设施信息量变化对交通工程设施的关注程度较非熟练驾驶员高;在低信息量水平下,驾驶员对AOI4区域的关注程度低,更多的处于无意识关注前方道路,长时间行车易出现精神疲劳影响行车安全;在信息量水平为Z4时,综合驾驶员注视特性指标与扫视特性指标的变化规律认为,此时驾驶员信息处理时间快、视觉搜索范围大、行车心理负荷较小,有利于行车安全;在高信息量Z5时,需要驾驶员花费大量的时间和脑力资源来关注AOI4区域信息,导致驾驶员对道路其他区域的关注程度下降,在应对突发交通事故时的处理能力减弱.     

成像偏振在车道线检测与识别中的应用

复杂环境下的车道检测是目前智能车和辅助安全驾驶研究的难点和热点. 针对外部复杂的道路环境,将光学偏振理论引入传统的车道检测技术,提出了一种基于成像偏振的车道线检测方法. 通过对车道线图像基本特征的分析,首先采集3个角度的特殊环境道路偏振图像,获得偏振度图像;然后对偏振度图像作二值化和图像感兴趣区域的划分;再根据车道线边缘的直线特性,进行道路图像的边缘检测从而可以获得车道边缘;最后通过Hough变换原理提出了改进的Hough算法,并得以实现检测出车道标线,计算出汽车行驶偏角. 通过仿真和实验验证表明,该方法能够准确地检测和识别出复杂环境下的车道线,车道线的检测偏角与实际偏角之间的误差小于0.3°.      

驾驶员特性评价指标聚类分析

为获得有关驾驶员评价指标信息,设计了针对驾驶员特性评价指标的调查问卷,并对一些定性问题进行了量化。基于问卷调查数据,运用M atlab对驾驶员特性评价指标进行了聚类分析,找出影响驾驶员正常驾驶的主要因素和关键指标,为交通事故分析和评定提供理论依据。     

驾驶员行车紧张度评价试验

为了研究道路条件对驾驶紧张程度的影响,选择了33名驾驶员,选用驾驶员心率、眼球移动角速度和注视点分布范围3项测试指标,进行了多车型多工况实车试验.采用心电测试仪和眼动仪采集了3项测试指标试验数据,并进行回归分析,建立了不同车型的驾驶员测试指标隶属于不紧张区域、较紧张区域和很紧张区域的隶属度函数.在车速为80 km·h-1,侧向余宽为1.2 m的行车工况下,计算了各车型测试指标的隶属度.试验结果表明:大型车驾驶员3项测试指标的隶属度均属于较紧张区域,中型车驾驶员3项测试指标的隶属度均属于不紧张区域,与实车试验的驾驶员感受评价相符合.     

基于机器视觉的行车安全综合保障系统研究

驾驶员疲劳驾驶或精神分散容易导致发生车道偏离以及追尾碰撞等恶性交通事故，利用机器视觉技术监测驾驶员的眼部、嘴部、头部等器官的运动特征，建立基于驾驶员面部视觉信息的疲劳与精神分散状态综合量化评价模型，实现实时有效的动态监测和预警，并系统研究了本车前方车辆探测方法和安全车距的评定准则，实现防追尾碰撞预警。初步试验表明：当驾驶员疲劳驾驶、无意识车道偏离以及行车安全车距过小时，该行车安全综合保障系统能有效地对驾驶员进行警示。此外，根据行车安全保障技术领域的研究现状，还开展了道路上行人检测的技术研究，并取得初步成果。     

广州出租汽车驾驶员从业资格证考试大纲和题库6月起更新

<正>为进一步适应巡游出租汽车行业发展需求,促进行业从业人员综合素质提升,市交通部门对巡游出租汽车驾驶员从业资格区域科目考试大纲和考试题库进行了修订,并通过广州交通信息网向社会公布。为何修订区域科目考试大纲和考试题库目前广州市出租汽车驾驶员从业资格区域科目考试大纲和题库是2017年下半年编制的,从2018年1月1日正式启用。该考试大纲及题库启用以来,保障了广州市巡游出租汽