当前来说由于疲劳驾驶而引发的交通事故越来越多,而夜间是疲劳驾驶的高发时段,由于这种原因,文章设计了适用于在夜间监测驾驶员是否处于疲劳状态的系统。利用OPENCV软件对得到的红外图像进行人脸的检测与识别,得到人脸的红外图像,针对得到的人脸红外图像进行灰度化和二值化的处理,设定一个阈值根据二值化后像素的个数判断驾驶员是否处于疲劳状态,如果处于疲劳状态的情况下,系统就会报警提醒驾驶员注意采取措施。如果驾驶员并不处于驾驶疲劳的状态,那么监测系统将继续检测。 滤波化、二值化等一系列的处理，得到人眼瞳孔当中黑素像素的个数，将得到的个数与判定驾驶员驾驶疲劳时人眼瞳孔中黑色像素的个数相比较，如果大于设定的个数那么就可以判断驾驶员处于疲劳驾驶状态。1基于OpenCV对红外图像进行处理人脸识别的研究一般分为三个部分：从比较复杂的场景中检测出人脸位置，并且分离出来；抽取出人脸识别的特征；然后再进行人脸的匹配和识别本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  。检测系统设计-张家港滚圆机滚弧机全自动钢管滚圆机折弯机滚弧机图1夜间彩色图片（眼睛睁开和闭合的状态）图2夜间红外图像（眼睛睁开和闭合的状态）图3夜间红外图像（眼睛半睁开和睁开的图片）2本文所采用的人脸检测方法与图像处理本文所使用的人脸识别方法是基于OpenCV中的脸部分类器来实现，这种方法相对来说简单易实现。对于拍摄到的红外图像借助OpenCV进行人脸识别。图4夜间红外图像对人眼的识别与检测针对得到的驾驶员脸部的红外图像，采用OpenCV中分类器对驾驶员脸部进行识别，用到的算法就是AdaBoost算法。AdaBoost算法针对的是不同的训练集训练同一个分类器，然后把这些在不同的训练集上得到的分类器集合起来，构成一个更强的最终的分类器。理论证明，只要是每个弱分类器分类能力比随机猜测的要好，当其中个数趋向于无穷时，强分类器的出错率将趋于零。本系统检测出人脸的位置后需要对检测出的人脸图像进行灰度化的处理。为了加快图像的处理速度进行的图像灰度化处理对图像并没有影响，而且灰度图像上面得到的验证算法，很容易移植到彩色图像上，依然能过反映整幅图像的整体和局部的色度和亮度的等级的分布和特征。将图像上所有点的灰度设置为0或者是255(也就是图像的二值化处理）通过选取适当的阈值将256个亮度等级的灰度图像得到检测系统设计-张家港滚圆机滚弧机全自动钢管滚圆机折弯机滚弧机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com