發(fā)布時(shí)間：2021-05-23 19:20

　　因?yàn)榭萍嫉倪M(jìn)步和人們生活條件的提高,路面上的車(chē)越來(lái)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(guān)性,不僅交管部門(mén)難以發(fā)現(xiàn),駕駛員也難以發(fā)覺(jué)自身進(jìn)入疲勞狀態(tài)。因此,疲勞駕駛的檢測(cè)技術(shù)研究對(duì)學(xué)術(shù)和社會(huì)有著重要的意義。本文將嵌入式、圖像處理、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法結(jié)合,設(shè)計(jì)一種疲勞駕駛檢測(cè)系統(tǒng),以實(shí)現(xiàn)基于眨眼間隔時(shí)間序列的疲勞駕駛檢測(cè)。疲勞駕駛檢測(cè)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(cè)模塊,報(bào)警模塊與模擬駕駛模塊組成;軟件部分主要由人臉檢測(cè)算法、人眼定位算法、機(jī)器學(xué)習(xí)分類(lèi)算法和LSTM（Long short-term memory）網(wǎng)絡(luò)組成。本文構(gòu)建了人臉檢測(cè)的數(shù)據(jù)庫(kù),對(duì)人臉?lè)诸?lèi)器進(jìn)行訓(xùn)練,識(shí)別出人臉后采用Hough變換定位人眼,以此來(lái)采集人眼眨眼間隔時(shí)間,并且利用動(dòng)態(tài)時(shí)間規(guī)整算法與K近鄰算法進(jìn)行眨眼間隔時(shí)間序列與疲勞駕駛狀態(tài)的相關(guān)性驗(yàn)證;通過(guò)計(jì)算得到了強(qiáng)相關(guān)聯(lián)性后,利用眨眼間隔時(shí)間數(shù)據(jù)對(duì)LSTM網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,并將模型分為白天和夜晚,最終通過(guò)這兩個(gè)模型實(shí)現(xiàn)不同時(shí)間段的疲勞狀態(tài)實(shí)時(shí)檢測(cè)。通過(guò)實(shí)驗(yàn)結(jié)果表明,本系... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 主觀(guān)測(cè)評(píng)法
        1.2.2 基于生理參數(shù)的檢測(cè)方法
        1.2.3 基于汽車(chē)行駛信息的檢測(cè)方法
        1.2.4 基于視覺(jué)特征的檢測(cè)方法
    1.3 本文主要研究?jī)?nèi)容
    1.4 論文的主要章節(jié)結(jié)構(gòu)
第二章 疲勞駕駛檢測(cè)的總體設(shè)計(jì)與軟硬件實(shí)現(xiàn)
    2.1 疲勞駕駛檢測(cè)的總體設(shè)計(jì)
    2.2 疲勞駕駛檢測(cè)系統(tǒng)硬件系統(tǒng)
        2.2.1 控制模塊
        2.2.2 檢測(cè)報(bào)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(cè)的軟件實(shí)現(xiàn)
    2.4 人臉人眼檢測(cè)技術(shù)
    2.5 本章小結(jié)
第三章 疲勞駕駛檢測(cè)的方法與研究
    3.1 人臉檢測(cè)的實(shí)現(xiàn)
        3.1.1 人臉樣本采集與預(yù)處理
        3.1.2 人臉圖像預(yù)處理
        3.1.3 訓(xùn)練人臉檢測(cè)分類(lèi)器
    3.2 人眼定位的實(shí)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(shí)間數(shù)據(jù)的收集
        3.3.1 數(shù)據(jù)收集規(guī)則
        3.3.2 眨眼間隔時(shí)間部分?jǐn)?shù)據(jù)展示
    3.4 眨眼間隔時(shí)間與疲勞駕駛狀態(tài)的相關(guān)性分析
        3.4.1 動(dòng)態(tài)時(shí)間規(guī)整算法
        3.4.2 基于DTW的眨眼間隔時(shí)間相似度計(jì)算
        3.4.3 基于K近鄰算法的相關(guān)性驗(yàn)證
    3.5 眨眼間隔時(shí)間與駕駛時(shí)所處的白天夜晚相關(guān)性分析
        3.5.1 動(dòng)態(tài)時(shí)間規(guī)整計(jì)算
        3.5.2 相關(guān)性驗(yàn)證
    3.6 基于疲勞駕駛改進(jìn)的Reweighted-DTW算法
    3.7 本章小結(jié)
第四章 基于眨眼間隔時(shí)間的實(shí)時(shí)狀態(tài)分析
    4.1 LSTM介紹
    4.2 LSTM網(wǎng)絡(luò)訓(xùn)練
    4.3 基于LSTM網(wǎng)絡(luò)模型的實(shí)時(shí)檢測(cè)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
碩士期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]用于疲勞檢測(cè)系統(tǒng)的有效人眼跟蹤方法[J]. 邱清輝.  信息技術(shù). 2018(10)
[2]國(guó)內(nèi)外貨運(yùn)車(chē)輛駕駛?cè)似隈{駛管理政策研究[J]. 牛清寧,周志強(qiáng),于鵬程,王秋鴻.  交通工程. 2017(06)
[3]基于生物力學(xué)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(chē)工程. 2017(08)
[4]基于KNN方法的大興安嶺地區(qū)森林地上碳儲(chǔ)量遙感估算[J]. 戚玉嬌,李鳳日.  林業(yè)科學(xué). 2015(05)
[5]國(guó)內(nèi)外客車(chē)駕駛員疲勞駕駛預(yù)防管理政策比較[J]. 曾誠(chéng),劉富佳,于瀟,孟興凱.  人類(lèi)工效學(xué). 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(yán)新平,吳超仲,陳偉偉.  武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版). 2010(02)
[7]基于汽車(chē)操縱信號(hào)的駕駛員疲勞狀態(tài)檢測(cè)[J]. 李偉,何其昌,范秀敏.  上海交通大學(xué)學(xué)報(bào). 2010(02)
[8]基于多源信息融合的駕駛?cè)似跔顟B(tài)監(jiān)測(cè)及預(yù)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(píng)估方法[J]. 胡斌,王生進(jìn),丁曉青.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(10)
[10]一種基于人臉視覺(jué)的駕駛疲勞檢測(cè)的算法[J]. 陳小駿,楊莉,伍紅玲,李紅林,馮喬生.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(S2)

博士論文
[1]基于計(jì)算機(jī)視覺(jué)的汽車(chē)安全輔助駕駛?cè)舾申P(guān)鍵問(wèn)題研究[D]. 徐翠.中國(guó)科學(xué)技術(shù)大學(xué) 2009

碩士論文
[1]基于多視覺(jué)信息融合的駕駛員疲勞檢測(cè)方法研究與實(shí)現(xiàn)[D]. 李玲玲.北京工業(yè)大學(xué) 2010
[2]基于Adaboost的人臉檢測(cè)方法及眼睛定位算法研究[D]. 龍伶敏.電子科技大學(xué) 2008
[3]基于腦電波與眨眼的駕駛員疲勞模擬實(shí)驗(yàn)研究[D]. 殷艷紅.同濟(jì)大學(xué) 2008
[4]基于視覺(jué)的疲勞駕駛監(jiān)測(cè)關(guān)鍵技術(shù)研究[D]. 魏明慧.南京理工大學(xué) 2007



本文編號(hào)：3202846