本文選題：疲勞駕駛 + 人臉檢測��； 參考：《南昌大學(xué)》2016年碩士論文

【摘要】：在機(jī)動(dòng)車輛日增的今天,車輛成為我們必不可少的代步工具,隨之而來的交通事故也是不可避免的出現(xiàn)。而疲勞駕駛已被確認(rèn)為交通事故中的“頭號公路殺手”。因此,判斷駕駛員是否疲勞駕駛并報(bào)警提示是非常有意義的課題。文章提取了眼睛和嘴巴的特征參數(shù)進(jìn)行疲勞狀態(tài)檢測。論文的主要工作有：首先,人臉檢測。文章選用不受人臉表情、姿勢、角度影響的HSV色彩空間快速定位人臉,得到人臉圖像的初步定位。同時(shí)利用膚色模型檢測到人臉區(qū)域?yàn)锳SM提供初始位置,解決了ASM初始定位難的問題。其次,基于ASM算法進(jìn)行人眼和嘴巴跟蹤獲得眼睛與嘴巴區(qū)域。為了提高面部關(guān)鍵部位的精確度,文章改進(jìn)了AAM算法,采用48點(diǎn)模型,將HSV和局部AAM算法結(jié)合,降低了搜索時(shí)間同時(shí)增強(qiáng)了人臉定位魯棒性。再次,進(jìn)行眼睛狀態(tài)的判斷。為了更加精確的判斷眼睛狀態(tài),選擇了Canny算子提取眼睛輪廓。文章選擇眼睛上眼瞼到內(nèi)外眼角水平線段的距離作為判斷眼睛閉合程度的依據(jù),計(jì)算PERCLOS值,判斷眼睛是否疲勞。然后對嘴巴狀態(tài)進(jìn)行判斷。改進(jìn)的局部AAM采用19點(diǎn)的嘴巴模型,提供出較為精確的嘴巴區(qū)域,足夠進(jìn)行嘴巴張開度的判斷,計(jì)算PMECLOS值。最后,文章提出了融合眼睛疲勞參數(shù)和嘴巴疲勞參數(shù),并且給出了駕駛員精神評估模型。將單一疲勞特征參數(shù)變?yōu)殡p疲勞參數(shù),提高了疲勞檢測的準(zhǔn)確度,并得到較好的檢測效果。
[Abstract]:With the increasing number of motor vehicles, vehicles have become an indispensable means of transportation, and traffic accidents are inevitable.Fatigue driving has been recognized as the top road killer in traffic accidents.Therefore, it is very meaningful to judge whether the driver is tired and alert.The characteristic parameters of eyes and mouth are extracted for fatigue state detection.The main work of this paper is as follows: first, face detection.In this paper, HSV color space, which is not affected by facial expression, pose and angle, is used to locate the face quickly, and the initial location of the face image is obtained.At the same time, the skin color model is used to detect the initial position of ASM, which solves the problem of initial location of ASM.Secondly, eye and mouth regions are obtained by human eye and mouth tracking based on ASM algorithm.In order to improve the accuracy of the key parts of the face, this paper improves the AAM algorithm, adopts a 48-point model, combines the HSV algorithm with the local AAM algorithm, reduces the search time and enhances the robustness of face location.Third, judge the state of the eyes.In order to judge the eye state more accurately, the Canny operator is chosen to extract the eye contour.The distance from the upper eyelid to the horizontal line of the angle of the eye was chosen as the basis for judging the degree of eye closure. The PERCLOS value was calculated to determine whether the eyes were tired or not.Then the state of the mouth is judged.The improved local AAM uses the 19:00 mouth model to provide a more accurate mouth area, which is sufficient to judge the opening of the mouth and calculate the PMECLOS value.Finally, this paper proposes the fusion of eye fatigue parameters and mouth fatigue parameters, and gives the driver spirit evaluation model.The single fatigue characteristic parameter is changed into double fatigue parameter, the accuracy of fatigue detection is improved, and a better detection effect is obtained.
【學(xué)位授予單位】：南昌大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U463.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王豪榮;胡婷;葛麗娟;;駕駛員疲勞檢測中的嘴部狀態(tài)研究[J];電子設(shè)計(jì)工程;2015年02期

2 郭孜政;譚永剛;馬國忠;潘毅潤;陳崇雙;;基于BP神經(jīng)網(wǎng)絡(luò)的駕駛精神疲勞識別方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2014年08期

3 龐燕;;幾種常用的膚色檢測顏色空間[J];中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

4 王冬梅;王海鵬;;基于膚色差異性嘴巴狀態(tài)檢測方法的研究[J];計(jì)算機(jī)工程與應(yīng)用;2015年04期

5 薄純娟;徐國凱;宋鵬;李忠楠;;疲勞駕駛檢測方法研究綜述[J];大連民族學(xué)院學(xué)報(bào);2013年03期

6 張麗雯;楊艷芳;齊美彬;蔣建國;;基于面部特征的疲勞駕駛檢測[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

7 陳晨;高嵩;吳超仲;周穎;;我國高速公路交通安全現(xiàn)狀及對策研究[J];交通信息與安全;2011年01期

8 秦洪懋;劉志強(qiáng);汪澎;;基于多通道信息融合的疲勞駕駛行為分析研究[J];中國安全科學(xué)學(xué)報(bào);2011年02期

9 苑瑋琦;賈琦;;基于DM6437的駕駛員疲勞檢測系統(tǒng)[J];儀表技術(shù)與傳感器;2010年05期

10 郭克友;;惡劣光照下駕駛?cè)似诩白⒁饬σ曈X監(jiān)測算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

相關(guān)博士學(xué)位論文 前3條

1 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學(xué);2014年

2 朱淑亮;基于視頻圖像分析與信息融合的駕駛員疲勞檢測技術(shù)研究[D];山東大學(xué);2011年

3 徐玲;基于圖像輪廓的角點(diǎn)檢測方法研究[D];重慶大學(xué);2009年

相關(guān)碩士學(xué)位論文 前2條

1 金璐;基于圖像處理的疲勞駕駛檢測技術(shù)研究[D];武漢工程大學(xué);2014年

2 朱睿;視頻中人體膚色檢測技術(shù)研究[D];北京郵電大學(xué);2010年

，

本文編號：1737018