本文關(guān)鍵詞： 疲勞檢測 唇部檢測 特征提取　出處：《科學(xué)技術(shù)與工程》2016年26期 　論文類型：期刊論文

【摘要】：針對傳統(tǒng)利用嘴部開合度檢測疲勞時(shí)容易發(fā)生嘴部定位誤差且易受唇厚度影響,提出一種基于嘴部內(nèi)輪廓特征的疲勞檢測方法。首先改進(jìn)了嘴部定位方法,將YCb Cr模型與Lab模型結(jié)合,去除類唇色干擾信息,利用a分量對唇色的聚類性定位嘴部,提高了定位的準(zhǔn)確性;然后兩次提取開合度優(yōu)化哈欠特征的識別方法,提取嘴部開合度,過濾掉開合度較小的圖像,對開合度較大的疑似哈欠圖像做Gabor變換,提取嘴部內(nèi)輪廓的開合度,修正唇厚度引起的誤差,判斷是否為打哈欠特征。最后根據(jù)具有局部連續(xù)性的哈欠特征出現(xiàn)的頻率做出疲勞判決,降低了哈欠的誤判率,提高了疲勞判別的可靠性。實(shí)驗(yàn)結(jié)果表明,該方法可以克服嘴部定位不準(zhǔn)確及唇厚度的影響,有效地實(shí)現(xiàn)疲勞檢測。
[Abstract]:In view of the traditional fatigue detection using mouth opening and closing degree, it is easy to occur mouth location error and easy to be affected by lip thickness. A fatigue detection method based on mouth inner contour feature is proposed. Firstly, the mouth location method is improved. The YCb Cr model is combined with the Lab model to remove the lip color interference information and to use a component to cluster the lip color to locate the mouth, which improves the accuracy of the location. Then the open and close degree is extracted twice to optimize the yawning feature recognition method, the mouth opening and closing degree is extracted, the smaller open and closed image is filtered out, and the suspected yawning image with high opening and closing degree is transformed by Gabor. The opening and closing degree of mouth contour is extracted, the error caused by lip thickness is corrected, and the yawning feature is judged. Finally, fatigue judgment is made according to the frequency of yawning feature with local continuity. The error rate of yawning is reduced and the reliability of fatigue discrimination is improved. The experimental results show that the method can overcome the influence of the inaccurate location of the mouth and the thickness of the lip and realize the fatigue detection effectively.
【作者單位】： 河北工業(yè)大學(xué)電子信息工程學(xué)院;
【基金】：河北省高等學(xué)校自然科學(xué)研究重點(diǎn)基金(ZD20131043) 天津市自然科學(xué)基金重點(diǎn)項(xiàng)目(14JCZDJC32600)資助
【分類號】：U463.6;TP391.41
【正文快照】： 研究重點(diǎn)基金(ZD20131043)和天津市自然科學(xué)基金重點(diǎn)項(xiàng)目(14JCZDJC32600)資助現(xiàn)代社會中,汽車被視為科技進(jìn)步的一種標(biāo)志,方便了人們的出行與工作,但是,頻發(fā)的交通事故嚴(yán)重威脅著駕駛員與乘客的生命安全。2015年,世界衛(wèi)生組織道路安全現(xiàn)狀報(bào)告顯示,2007~2013年期間,每年有125萬

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 付榮榮;王宏;王琳;張馳;;基于無線體域網(wǎng)中多生理信號駕駛疲勞檢測[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前6條

1 趙曉琳;基于面部信息的疲勞駕駛檢測方法研究[D];吉林大學(xué);2016年

2 張譯心;基于面部特征的駕駛員疲勞算法應(yīng)用研究[D];吉林農(nóng)業(yè)大學(xué);2015年

3 王雷;基于人臉檢測的疲勞駕駛分析[D];合肥工業(yè)大學(xué);2014年

4 杜基赫;疲勞駕駛檢測系統(tǒng)的FPGA設(shè)計(jì)與硬件實(shí)現(xiàn)[D];重慶大學(xué);2014年

5 蔣文博;基于計(jì)算機(jī)視覺的疲勞駕駛檢測技術(shù)研究[D];北京化工大學(xué);2015年

6 田麗媛;基于可信汽車服務(wù)平臺的疲勞駕駛預(yù)警系統(tǒng)研究[D];吉林大學(xué);2011年

，

本文編號：1462144