1. 研究目的与意义（文献综述）

1.1研究目的及意义

交通事故是当前世界各国所面临的严重社会问题之一，已被公认为当今世界危害人类生命安全的第一大公害，每年因交通事故的原因至少使50万人死亡。欧美各国的交通事故统计分析表明，交通事故中80%～90%是人的因素造成的。根据美国国家公路交通安全署的统计，在美国的公路上，每年由于司机在驾驶过程中跌入睡眠状态而导致大约10万起交通事故，约有1550起直接导致人员死亡，711万起导致人员伤害。在欧洲的情况也大致相同，如在德国境内的高速公路上25%导致人员伤亡的交通事故，都是由疲劳驾驶引起的。根据2001年中国交通部的统计，我国48 %的车祸由驾驶员疲劳驾驶引起，直接经济损失达数十万美元。有关汽车驾驶员的疲劳检测问题，随着高速公路的发展和车速的提高，目前已成为汽车安全研究的重要一环。

2. 研究的基本内容与方案

本文基于机器视觉原理，实现了基于adaboost算法和asm算法结合^[14]的人体疲劳检测系统，为了提升疲劳检测的稳健性做了两方面的改进：一方面使系统可以有高准确性的人脸定位，人眼定位；另一方面将perclos算法、眨眼频率、打哈欠频率和持续闭眼时间等指标结合起来综合判定驾驶员的疲劳状态。

利用独立摄像头进行采集驾驶员实时状态图像、预处理、人脸检测、人眼定位、疲劳驾驶状态判定等，得出可靠地驾驶员疲劳状态。

本文在人脸检测方面，首先利用结合haar-like特征的adaboost人脸检测算法^[15]，根据每次训练集中每个样本的分类是否正确，以及上次的总体分类准确率，来确定每个样本的权值，错误率低的样本权值小，将每次得到的弱分类器融合起来，作为最后的决策分类器。asm对标记点创建局部纹理模型，即每一个特征点在其某种领域内的图像亮度分布情况，和adaboost算法实现有效的互补，准确快速定位人眼位置。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1]chang zheng,ban xiaojuan,wang yu.fatigue driving detection based on haar feature and extreme learning machine[j].the journal of china universities of posts and telecommunications,2016,23(04):91-100.

[2]zhao li-hong. fatigue-driving recognition based on the state of the human eye and electroencephalographic signal[a]. 东北大学、ieee新加坡工业电子分会.第28届中国控制与决策会议论文集（上）[c].东北大学、ieee新加坡工业电子分会:,2016:6.

[3]tang xinxing. real-time image-based driver fatigue detection and monitoring system for monitoring driver vigilance[a]. 中国自动化学会控制理论专业委员会、中国系统工程学会.第35届中国控制会议论文集（c）[c].中国自动化学会控制理论专业委员会、中国系统工程学会:,2016:6.