因為科技的進步和人們生活條件的提高,路面上的車越來越多,交通事故率也居高不下,而其主要原因之一是疲勞駕駛。雖然各地有明確規(guī)定禁止疲勞駕駛,但其仍存在隱蔽性和主觀性,不僅交管部門難以發(fā)現(xiàn),駕駛員也難以發(fā)覺自身進入疲勞狀態(tài)。因此,疲勞駕駛的檢測技術研究對學術和社會有著重要的意義。本文將嵌入式、圖像處理、機器學習算法、深度學習算法結合,設計一種疲勞駕駛檢測系統(tǒng),以實現(xiàn)基于眨眼間隔時間序列的疲勞駕駛檢測。疲勞駕駛檢測系統(tǒng)涉及硬件部分和軟件部分,硬件部分由控制模塊,檢測模塊,報警模塊與模擬駕駛模塊組成;軟件部分主要由人臉檢測算法、人眼定位算法、機器學習分類算法和LSTM（Long short-term memory）網絡組成。本文構建了人臉檢測的數(shù)據庫,對人臉分類器進行訓練,識別出人臉后采用Hough變換定位人眼,以此來采集人眼眨眼間隔時間,并且利用動態(tài)時間規(guī)整算法與K近鄰算法進行眨眼間隔時間序列與疲勞駕駛狀態(tài)的相關性驗證;通過計算得到了強相關聯(lián)性后,利用眨眼間隔時間數(shù)據對LSTM網絡模型進行訓練,并將模型分為白天和夜晚,最終通過這兩個模型實現(xiàn)不同時間段的疲勞狀態(tài)實時檢測。通過實驗結果表明,本系... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本文的研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 主觀測評法
        1.2.2 基于生理參數(shù)的檢測方法
        1.2.3 基于汽車行駛信息的檢測方法
        1.2.4 基于視覺特征的檢測方法
    1.3 本文主要研究內容
    1.4 論文的主要章節(jié)結構
第二章 疲勞駕駛檢測的總體設計與軟硬件實現(xiàn)
    2.1 疲勞駕駛檢測的總體設計
    2.2 疲勞駕駛檢測系統(tǒng)硬件系統(tǒng)
        2.2.1 控制模塊
        2.2.2 檢測報警模塊
        2.2.3 圖像采集模塊
        2.2.4 模擬駕駛模塊
    2.3 疲勞駕駛檢測的軟件實現(xiàn)
    2.4 人臉人眼檢測技術
    2.5 本章小結
第三章 疲勞駕駛檢測的方法與研究
    3.1 人臉檢測的實現(xiàn)
        3.1.1 人臉樣本采集與預處理
        3.1.2 人臉圖像預處理
        3.1.3 訓練人臉檢測分類器
    3.2 人眼定位的實現(xiàn)
        3.2.1 圖像邊緣提取
        3.2.2 基于Houh變換定位人眼
    3.3 眨眼間隔時間數(shù)據的收集
        3.3.1 數(shù)據收集規(guī)則
        3.3.2 眨眼間隔時間部分數(shù)據展示
    3.4 眨眼間隔時間與疲勞駕駛狀態(tài)的相關性分析
        3.4.1 動態(tài)時間規(guī)整算法
        3.4.2 基于DTW的眨眼間隔時間相似度計算
        3.4.3 基于K近鄰算法的相關性驗證
    3.5 眨眼間隔時間與駕駛時所處的白天夜晚相關性分析
        3.5.1 動態(tài)時間規(guī)整計算
        3.5.2 相關性驗證
    3.6 基于疲勞駕駛改進的Reweighted-DTW算法
    3.7 本章小結
第四章 基于眨眼間隔時間的實時狀態(tài)分析
    4.1 LSTM介紹
    4.2 LSTM網絡訓練
    4.3 基于LSTM網絡模型的實時檢測
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝
碩士期間的科研成果


【參考文獻】：
期刊論文
[1]用于疲勞檢測系統(tǒng)的有效人眼跟蹤方法[J]. 邱清輝.  信息技術. 2018(10)
[2]國內外貨運車輛駕駛人疲勞駕駛管理政策研究[J]. 牛清寧,周志強,于鵬程,王秋鴻.  交通工程. 2017(06)
[3]基于生物力學和頸腰部EMG判別駕駛員疲勞狀態(tài)[J]. 王琳,羅旭,姜鑫,王宏.  汽車工程. 2017(08)
[4]基于KNN方法的大興安嶺地區(qū)森林地上碳儲量遙感估算[J]. 戚玉嬌,李鳳日.  林業(yè)科學. 2015(05)
[5]國內外客車駕駛員疲勞駕駛預防管理政策比較[J]. 曾誠,劉富佳,于瀟,孟興凱.  人類工效學. 2014(03)
[6]影響道路交通安全的駕駛員異常行為研究[J]. 馬明,嚴新平,吳超仲,陳偉偉.  武漢理工大學學報(交通科學與工程版). 2010(02)
[7]基于汽車操縱信號的駕駛員疲勞狀態(tài)檢測[J]. 李偉,何其昌,范秀敏.  上海交通大學學報. 2010(02)
[8]基于多源信息融合的駕駛人疲勞狀態(tài)監(jiān)測及預警方法研究[J]. 成波,馮睿嘉,張偉,李家文,張希波.  公路交通科技. 2009(S1)
[9]基于云模型的駕駛員駕駛狀態(tài)評估方法[J]. 胡斌,王生進,丁曉青.  清華大學學報(自然科學版). 2009(10)
[10]一種基于人臉視覺的駕駛疲勞檢測的算法[J]. 陳小駿,楊莉,伍紅玲,李紅林,馮喬生.  云南大學學報(自然科學版). 2006(S2)

博士論文
[1]基于計算機視覺的汽車安全輔助駕駛若干關鍵問題研究[D]. 徐翠.中國科學技術大學 2009

碩士論文
[1]基于多視覺信息融合的駕駛員疲勞檢測方法研究與實現(xiàn)[D]. 李玲玲.北京工業(yè)大學 2010
[2]基于Adaboost的人臉檢測方法及眼睛定位算法研究[D]. 龍伶敏.電子科技大學 2008
[3]基于腦電波與眨眼的駕駛員疲勞模擬實驗研究[D]. 殷艷紅.同濟大學 2008
[4]基于視覺的疲勞駕駛監(jiān)測關鍵技術研究[D]. 魏明慧.南京理工大學 2007



本文編號：3202846