1、隨著手機、電腦等的普及，近視患者數(shù)量也日益龐大；在烈日之下，大多數(shù)駕駛員亦會選擇佩戴墨鏡來保護眼睛。因此，佩戴眼鏡的人群已經(jīng)成為了駕駛員疲勞檢測系統(tǒng)中不可忽視的一個群體。所以對戴眼鏡駕駛員疲勞檢測算法進行研究，讓駕駛員疲勞檢測系統(tǒng)在駕駛員佩戴近視眼睛或者墨鏡的時候都有很好的準(zhǔn)確性十分重要。
　　當(dāng)駕駛員佩戴墨鏡之后，眼鏡框?qū)︸{駛員眼睛的定位產(chǎn)生了一定的干擾。利用虹膜為圓形而眼鏡框、眉毛等其他因素形狀更傾向于非圓形的特征，本文使用徑

2、向?qū)ΨQ變換來將其區(qū)分開。本文提出了徑向?qū)ΨQ性峰值點的概念，當(dāng)圖像中存在明顯的徑向?qū)ΨQ性強的區(qū)域時，即駕駛員眼睛睜開時，徑向?qū)ΨQ性峰值點相對聚集，否則分散；對徑向?qū)ΨQ性峰值點聚類，使用各個類別中元素的個數(shù)占總個數(shù)的百分比構(gòu)建特征向量，結(jié)合C4.5算法構(gòu)建決策樹，實現(xiàn)對駕駛員眼睛睜閉狀態(tài)的判定。當(dāng)駕駛員眼睛睜開時，從最大的一類中的元素位置可以得到瞳孔的中心位置。
　　夜晚以及駕駛員佩戴墨鏡時，使用紅外燈進行輔助，分別達到補光和穿透墨鏡

3、的效果。紅外燈照射下圖像的信噪比低，因此使用基于金字塔的均值漂移分割進行去噪處理。另外紅外燈還會造成眼睛區(qū)域光線不均勻，本文在傳統(tǒng)的Mask勻光算法的基礎(chǔ)上，使用圖像的灰度值和梯度對Mask勻光算法中的背景圖像進行調(diào)整，使其適合于眼睛區(qū)域。在對眼睛區(qū)域的圖像進行了如上的預(yù)處理之后，即可更好地分割出駕駛員的眼睛，計算出眼高；結(jié)合PERCLOS標(biāo)準(zhǔn)，實現(xiàn)駕駛員疲勞檢測。
　　實驗表明，該方法在駕駛員佩戴眼鏡時，能夠準(zhǔn)確的定位出人眼，繼