题目：基于眼部信息的驾驶员非正常状态监测预警系统的研究

非接触式的驾驶员状态监测预警技术是交通安全领域的一项新技术，属于车辆主动安全技术范畴，可实现对驾驶员危险驾驶的检测、告警，具有非接触式、侵扰性小、准确率高等优点，因而逐步成为车辆主动安全领域研究热点。

本文主要研究驾驶员非正常状态监测预警系统，基于眼部信息与非正常状态的关系，建立状态判断的数学模型，完成系统的总体方案设计，构建原理实验平台，基于人眼特征进行算法设计，实现危险驾驶的有效识别与及时告警，开展系统鲁棒性、实时性等实验。论文主要研究内容包括：

首先是驾驶员非正常状态判断模型原理研究。对驾驶员非正常状态进行了定义，基于瞳孔中心点的几何位置关系，得出判断视线方向的方法。通过信息融合，可实现睁闭眼状态与视线不集中状态的全方位检测，建立了PERCLOS和视线方向的状态判断模型，为驾驶员非正常状态监测预警系统的总体设计奠定了理论基础。

其次是系统总体的设计与核心算法实现。基于非接触式的近红外图像处理，进行系统方案的总体设计，基于LabVIEW搭建了系统原理演示平台，并提出各模块基本的设计需求及参数指标，深入研究各组成模块的结构及实现方式。核心算法主要包括人眼检测与定位，人眼状态判断，统计判断与预警等内容。基于AdaBoost算法实现人眼进行检测定位，对检测过程的算法进行优化。提出Harris强角点检测人眼瞳孔反射点方法，可快速准确的对人眼睁闭状态进行判别，利用基于霍夫变换的瞳孔检测作为睁闭状态的辅助判断。依据PERCLOS和视线方向模型，对驾驶员非正常状态进行监控告警。该原理系统平台的设计与实现，有利于开展各项性能检测等实验的研究。

最后基于构建的仿真实验平台，开展了系统性能检测相关的研究实验，并将传统方法与本文方法作对比。实验结果表明：在采用30万像素摄像头的条件下，人眼状态检测的误检率小于5%，系统报警响应时间可调，当判断单元N小于40帧时，报警响应时间小于2.0s，这在驾驶安全警戒时间范围内。

该系统基于眼部信息特征提取的图像处理技术，可对驾驶员的非正常状态进行预警提醒，且抗干扰性较强，准确率较高。