本文最后建了驾驶员疲劳检测系统，并对上述算法进行了验证。实验证明，在实验室条件下，上述方法能够准确的检测人眼区域，并能根据眼睛开合状态实时判断疲劳程度并发出警示，能够满足驾驶员疲劳检测的需要。

12.《基于DSP的疲劳驾驶检测系统硬件设计与实现》：本文研究并设计了基于 TI 公司TMS320DM642 DSP 芯片的疲劳驾驶检测系统硬件电路。本系统以CCD 摄像头作为图像采集设备，采集地模拟图像通过TVP5150视频解码器芯片数字化后，再由TMS320DM642 的视频端口送入外部存储器SDRAM中以供疲劳驾驶检测算法使用，并最终根据算法运行后的结果决定是否驱动蜂鸣器发出预警。

13.《基于DSP的疲劳驾驶实时监测系统研究》：本文完成了疲劳驾驶实时监测系统的软件开发和DSP硬件设计。把眼睛检测及跟踪算法移植到专用DSP上，并设计了数据采集、数据处理、抗干扰滤波处理等几个软件功能模块。硬件方面自行设计并制作了监测系统的电路板等。最终开发出疲劳驾驶的嵌入式实时监测系统，并利用模拟装置调试软件，使软件能够驱动硬件正常工作。

总结

    本文研究如何在DSP系统中，基于视觉条件下实时地监测驾驶员的疲劳状态。并对人脸检测、眼睛定位、疲劳判断及其算法在DSP中的实现作出研究。

    利用从摄像头得到的视频图像中获取的单帧图像作为待处理人脸图像，对人眼进行检测，通过人眼区域内黑色像素点面积的变化来判断睁眼闭眼。在提取眼睛状态基础上，应对PERCLOS(眼睛闭合比)、ECT(最长眼睛闭合时间)、EBF(眨眼频率)三种疲劳参数进行信息融合，综合判断驾驶员的疲劳状态，减少单一参数对疲劳判断带来的不确定性。

参考文献

[1] 汪明明,林小竹.基于OpenCV人眼定位的人脸检测方法[D].北京石油化工学院.2012（12）.

[2] 傅亚煌,黄鸣宇.基于眼动特性的机动车驾驶疲劳系统[J].电脑与信息技术.2013(2).

[3] 王奕直,周凌霄,孔万增.基于Adaboost的疲劳驾驶眨眼检测[D].杭州电子科技大学学报.2013(8).

[4] 张旭,李亚利,陈晨,王生进,丁晓青.嵌入式驾驶员状态检测算法的实现与优化[J].自动化学报.2012(12).

[5] 赵钟.驾驶员疲劳检测方法研究及嵌入式实现[D]. 大连海事大学.2010(6).

[6] 徐淑峰,孙炜,赵峰,张忠.Adaboost人脸检测算法在嵌入式平台上的优化与实现[D].上海交通大学微电子学院.2008(6).

[7] 牛慧萍.基于DSP的人眼状态信息检测系统的研究和设计.[D].沈阳理工大学.2010(3).

[8] 郑玉铎.田杨萌.靳薇.基于Adaboost 和ASM 算法的人眼定位.[J] .北京信息科技大学学报.2013(6).

[9] 郭纯宏.基于嵌入式的人眼信息检测系统研究.[D].沈阳理工大学.2011(3).

[10] 王洪涛.驾驶疲劳测评方法研究及其DSP实现.[D].武汉理工大学.2007(5).

[11] 向本科.基于人眼检测的驾驶员疲劳检测研究.[D].西南大学.2010(5).

[12] 常瑜亮.基于DSP的疲劳驾驶检测系统硬件设计与实现. [D].沈阳理工大学.2010(3).

[13] 李文磊.基于DSP的疲劳驾驶实时监测系统研究.[D] .南京理工大学.2007(6).