隨著城市化進(jìn)程的不斷加快,交通已經(jīng)成為人們生活中必不可少的重要組成部分。然而,快節(jié)奏的生活和工作狀態(tài),使得很多人經(jīng)常處于疲勞狀態(tài)。當(dāng)人處于疲勞狀態(tài)時,駕駛車輛會更加容易引發(fā)交通事故。近年來,隨著疲勞駕駛引發(fā)的交通事故的不斷增加,引起人們的廣泛關(guān)注。為了減少因疲勞駕駛而引發(fā)的交通事故,學(xué)術(shù)界和工業(yè)界都已經(jīng)開展了深入的研究。本文提出了一種基于面部視覺特征的疲勞檢測方法。在本文中,首先研究了人臉檢測的方法,并對比分析了基于Adaboost人臉檢測方法和Faceness Net人臉檢測方法。在此基礎(chǔ)上,本文提出了基于人臉特征點的疲勞檢測方法和基于深度學(xué)習(xí)的疲勞檢測方法�；谌四樚卣鼽c的疲勞檢測方法是通過人臉特征點的位置及其之間的關(guān)系建立狀態(tài)檢測模型,并使用狀態(tài)檢測模型檢測每一幀圖像中眼睛和嘴的閉合狀態(tài)。根據(jù)本文提出的疲勞判定方法,檢測每一幀圖像的疲勞狀態(tài)。考慮到疲勞是一個連續(xù)的過程,因此,本文使用時間窗口判定該時間段的疲勞狀態(tài)。每一個時間窗口的疲勞狀態(tài)是根據(jù)疲勞幀的數(shù)量與該時間窗口總數(shù)量之間的比例關(guān)系確定。基于深度學(xué)習(xí)的疲勞檢測方法是通過改進(jìn)的SSD目標(biāo)檢測方法檢測每一幀圖像中人臉的眼睛和嘴的... 

【文章來源】：齊魯工業(yè)大學(xué)山東省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

005-2008年疲勞駕駛事故統(tǒng)計

則ercentage of Eyelid Closure Time) 準(zhǔn)則是指在率。該方法是在 1994 年由 Walt Wierwille 等勞之間的關(guān)系[21]。在 1999 年，美國國家交認(rèn)為該方法更適合判斷駕駛?cè)藛T的疲勞狀態(tài)。RCLOS 作為車載實時的、非接觸的疲勞檢測方標(biāo)準(zhǔn)[24]：皮遮擋瞳孔面積高于70% 作為標(biāo)準(zhǔn)評價眼睛的皮遮擋瞳孔面積高于80%作為標(biāo)準(zhǔn)評價眼睛的皮遮擋瞳孔面積高于50%作為標(biāo)準(zhǔn)評價眼睛的則的測量原理如圖所示 2.1 所示，PERCLOS PERCLOS 值3 24 1100%t tt t

圖 2.2 P80 參數(shù)與疲勞程度相關(guān)性關(guān)系頻率率（Blink Frequency）指的是在單位時間內(nèi)眨眼的次數(shù)。正員在清醒狀態(tài)時大約每 2~4 秒內(nèi)出現(xiàn)一次眨眼，每分鐘，單次眨眼大概持續(xù) 0.25-0.3 秒的時間[7,25]。相比于正常駕駕駛?cè)藛T處于疲勞狀態(tài)，眼睛的眨眼頻率會降低[7]。通過正與實時駕駛狀態(tài)比較可以一定程度上檢測駕駛?cè)藛T的疲勞狀態(tài)臉面部特征的疲勞檢測方法中，除了眼睛可以有效反應(yīng)疲閉合狀態(tài)也可以有效反應(yīng)駕駛?cè)藛T的疲勞狀態(tài)。正常駕駛一般處于閉合或者微弱張開狀態(tài)（正常說話時）。而人處于哈欠行為出現(xiàn)，打哈欠時嘴部的張開度往往大于正常說話欠是一個連續(xù)的過程，發(fā)生的時間長度也要大于正常說話張開閉合情況以及張開的時間長度檢測駕駛?cè)藛T的疲勞狀


本文編號：3436930