基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

北京大学学报（自然科学版）

• 北京大学学报 •

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

程如中,赵勇,戴勇,陈伟,隋博,王浪,王新安

北京大学深圳研究生院移动视频网络技术中心, 深圳 518055;

收稿日期:2011-11-19 出版日期:2012-09-20 发布日期:2012-09-20

An On-board Embedded Driver Fatigue Warning System Based on Adaboost Method

CHENG Ruzhong, ZHAO Yong, DAI Yong, CHEN Wei, SUI Bo, WANG Lang, WANG Xin’an

Mobile Video Networking Technology Research Center, Peking University Shenzhen Graduate School, Shenzhen 518055;

Received:2011-11-19 Online:2012-09-20 Published:2012-09-20

摘要/Abstract

摘要： 提出一种基于Adaboost的实时算法, 并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像, 对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸, 然后提取人眼区域并对人眼闭合状态进行判断, 基于PERCLOS标准制定了相应的预警机制, 对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化, 先后制作了多个车载嵌入式装置进行实车测试, 达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠, 可实际应用于营运车辆。

关键词: Adaboost, PERCLOS, 疲劳驾驶

Abstract: The authors proposed a real time driver fatigue detection algorithm based on Adaboost. The algorithm is applied in an on-board embedded system to monitor driver’s status with infrared camera and active IR lamps. Face detection method is used to localize the eyes of the driver and the eye region is extracted to monitor the movement of eyelids. An alarm rule is designed based on the PERCLOS standard to detect drowsy driving. The algorithm is transplanted from PC to embedded platform and optimized by experiments. Several versions of on-board embedded system are designed and manufactured to test the algorithm, it can provide above 92% accuracy and under 1.5 s reaction time in real driving scenarios. The experiments show that the system is stable and it is available for commercial use.

Key words: Adaboost, PERCLOS, fatigue driving

中图分类号:

TP391

程如中,赵勇,戴勇,陈伟,隋博,王浪,王新安. 基于Adaboost方法的车载嵌入式疲劳驾驶预警系统[J]. 北京大学学报（自然科学版）.

CHENG Ruzhong,ZHAO Yong,DAI Yong,CHEN Wei,SUI Bo,WANG Lang,WANG Xin’an. An On-board Embedded Driver Fatigue Warning System Based on Adaboost Method[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2012/V48/I5/719

[1]	刘秋慧, 张坤丽, 许鸿飞, 俞士汶, 昝红英. 助词“的”用法自动识别研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 466-474.
[2]	柯永红, 朱永福, 穗志方, 俞士汶. 基于多特征的语义角色标注一致性计算方法研究[J]. 北京大学学报（自然科学版）, 2018, 54(3): 475-480.
[3]	杨萌, 李培峰, 朱巧明. 一种基于Tree-LSTM的句子相似度计算方法[J]. 北京大学学报（自然科学版）, 2018, 54(3): 481-486.
[4]	张雨, 曾立, 邹磊. 大规模图数据的正则路径查询[J]. 北京大学学报（自然科学版）, 2018, 54(2): 236-242.
[5]	魏星, 王玮, 陈静萍, 解焱陆, 张劲松. 基于发音特征的汉语发音偏误自动标注[J]. 北京大学学报（自然科学版）, 2018, 54(2): 243-248.
[6]	林心宜, 严睿, 赵东岩. 融合词、句层级信息的抽取式摘要优化框架[J]. 北京大学学报（自然科学版）, 2018, 54(2): 229-235.
[7]	周楠, 赵悦, 李要嫱, 徐晓娜, 才旺拉姆, 吴立成. 基于瓶颈特征的藏语拉萨话连续语音识别研究[J]. 北京大学学报（自然科学版）, 2018, 54(2): 249-254.
[8]	谭亦鸣, 王明文, 李茂西. 基于翻译质量估计的神经网络译文自动后编辑[J]. 北京大学学报（自然科学版）, 2018, 54(2): 255-261.
[9]	吴焕钦, 张红阳, 李静梅, 朱俊国, 杨沐昀, 李生. 基于伪数据的机器翻译质量估计模型的训练[J]. 北京大学学报（自然科学版）, 2018, 54(2): 279-285.
[10]	吕书宁, 董志安. 利用URL-Key领域术语识别方法[J]. 北京大学学报（自然科学版）, 2018, 54(2): 262-270.
[11]	王文超, 吕学强, 张凯, 周建设. 足球赛事战报的自动写作研究[J]. 北京大学学报（自然科学版）, 2018, 54(2): 271-278.
[12]	应文豪, 肖欣延, 李素建, 吕雅娟, 穗志方. 一种利用语义相似度改进问答摘要的方法[J]. 北京大学学报自然科学版, 2017, 53(2): 197-203.
[13]	栗青生, 徐强, 肖建国, 刘泉, 张解放. 汉字动态生成的结构与风格模型[J]. 北京大学学报自然科学版, 2017, 53(2): 219-229.
[14]	陈玉敬, 吕学强, 周建设, 李宁. NBA赛事新闻的自动写作研究[J]. 北京大学学报自然科学版, 2017, 53(2): 211-218.
[15]	张丽林, 李茂西, 肖文艳, 万剑怡, 王明文. 机器翻译自动评价中领域知识复述抽取研究[J]. 北京大学学报自然科学版, 2017, 53(2): 230-238.

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

An On-board Embedded Driver Fatigue Warning System Based on Adaboost Method

PDF

PDF (翻译版)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

留言