隨著我國(guó)社會(huì)經(jīng)濟(jì)的高速發(fā)展,汽車保有量日益增多,隨之而來(lái)的是高漲不下的道路交通安全事故,嚴(yán)重危害人民的生命與財(cái)產(chǎn)安全,其中作為交通事故主要誘導(dǎo)因素之一的疲勞駕駛,已成為國(guó)內(nèi)外研究的熱點(diǎn)之一。及時(shí)檢測(cè)駕駛員的疲勞狀態(tài)并且在其疲勞時(shí)進(jìn)行有效干預(yù),能夠在很大程度上降低交通安全事故發(fā)生的風(fēng)險(xiǎn)。目前通過(guò)機(jī)器視覺(jué)檢測(cè)駕駛疲勞狀態(tài)是最具發(fā)展前景的手段之一,但是由于復(fù)雜的駕駛環(huán)境以及駕駛員個(gè)體差異等因素的影響,此類方法仍存在不足之處。本文針對(duì)以上問(wèn)題,在領(lǐng)域已有研究基礎(chǔ)之上,結(jié)合圖像識(shí)別與生理信號(hào)處理技術(shù),提出了一種基于深度學(xué)習(xí)的信息融合駕駛疲勞狀態(tài)識(shí)別方法,具體研究?jī)?nèi)容如下:（1）為得到接近真實(shí)駕駛的實(shí)驗(yàn)數(shù)據(jù),搭建了實(shí)驗(yàn)數(shù)據(jù)采集系統(tǒng),包括模擬駕駛模塊與數(shù)據(jù)采集模塊,分別采集模擬駕駛員在疲勞狀態(tài)下和正常狀態(tài)下的視頻數(shù)據(jù)和脈搏數(shù)據(jù)。為了使實(shí)驗(yàn)數(shù)據(jù)更加可靠,實(shí)驗(yàn)增設(shè)疲勞狀態(tài)激發(fā)環(huán)節(jié),有效的激發(fā)了模擬駕駛員的疲勞狀態(tài)。實(shí)驗(yàn)選擇在校研究生作為數(shù)據(jù)采集對(duì)象,身體狀況良好且均無(wú)重大病史。最終采集到有效數(shù)據(jù)疲勞狀態(tài)下322組,正常狀態(tài)下403組。（2）針對(duì)單一的視頻信號(hào)源,基于卷積神經(jīng)網(wǎng)絡(luò)對(duì)所采集數(shù)據(jù)進(jìn)行疲勞狀態(tài)識(shí)... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１?２０１３年￣２０１８年全國(guó)交通事故發(fā)生情況匯總分析??美國(guó)國(guó)家高速公路交通安全管理部門調(diào)查表明：每年有１０萬(wàn)起汽車相撞事??

第二章視頻信號(hào)與脈搏信號(hào)數(shù)據(jù)采集??通過(guò)信號(hào)采集系統(tǒng)獲取到的視頻信號(hào)以及脈搏信號(hào)在決策級(jí)融合對(duì)駕駛員的疲??勞狀態(tài)進(jìn)行檢測(cè)識(shí)別。實(shí)驗(yàn)系統(tǒng)設(shè)計(jì)示意圖如圖２．１所示。??＇?＇?＇?Ｍ?ｉ??胃￣§■說(shuō)明?環(huán)境模擬?數(shù)據(jù)米集??Ｑ?模擬駕駛系統(tǒng)??＾?＿數(shù)據(jù)采集對(duì)象?＾??土脈雛感器ｒ—１?；；：，?＼?．?城??丨菩攝觸?Ｘ?＝?－?ｙ?ｌ??３］數(shù)據(jù)采集計(jì)算機(jī)?Ｉ??ｈ?操作＆??圖２．１實(shí)驗(yàn)系統(tǒng)示意圖??實(shí)驗(yàn)系統(tǒng)整體分為兩大模塊，第一部分是數(shù)據(jù)采集對(duì)象進(jìn)行模擬駕駛的環(huán)境??模擬模塊，另一部分為操作員采集視頻信息以及脈搏數(shù)據(jù)的數(shù)據(jù)采集模塊，其分??別由兩臺(tái)計(jì)算機(jī)控制。整個(gè)實(shí)驗(yàn)過(guò)程是在相對(duì)安靜的封閉環(huán)境進(jìn)行，以免數(shù)據(jù)采??集對(duì)象因外界因素的影響造成最終采集數(shù)據(jù)出現(xiàn)偏差，模擬駕駛區(qū)域在數(shù)據(jù)采集??對(duì)象正前方４０－６０ｃｍ處裝有攝像頭用于獲取其圖像數(shù)據(jù)，另外被采集者手上佩??戴有脈搏信號(hào)傳感器用于采集其脈搏數(shù)據(jù)。實(shí)驗(yàn)準(zhǔn)備就緒后，數(shù)據(jù)采集對(duì)象分別??在正常清醒狀態(tài)下和疲勞狀態(tài)下進(jìn)行兩次模擬駕駛實(shí)驗(yàn)，操作員與數(shù)據(jù)采集對(duì)象??之間設(shè)立隔板，避免實(shí)驗(yàn)過(guò)程中二者產(chǎn)生交流影響數(shù)據(jù)采集結(jié)果，操作員通過(guò)傳??感器以及計(jì)算機(jī)處理保存所采集數(shù)據(jù)，并對(duì)突發(fā)狀況進(jìn)行相應(yīng)處理。??２．１．２設(shè)備介紹??本實(shí)驗(yàn)需要對(duì)駕駛員的脈搏信號(hào)以及面部視頻信號(hào)進(jìn)行采集，所以實(shí)驗(yàn)過(guò)程??中用到了圖像傳感器以及脈搏傳感器，圖像傳感器用于采集模擬駕駛員的圖像數(shù)??據(jù)，脈搏傳感器用于采集模擬駕駛員的脈搏數(shù)據(jù)。??圖像傳感器有ＣＭＯＳ和ＣＣＤ兩種，他們?cè)诓煌膽?yīng)用場(chǎng)景下能展現(xiàn)出不同??的優(yōu)勢(shì)。ＣＭＯＳ傳感器通過(guò)熟為人知的半導(dǎo)體電

山東大學(xué)碩士學(xué)位論文??匾ＪＨＨ??圖２．２模擬駕駛第一人稱視角??２．２實(shí)驗(yàn)數(shù)據(jù)采集??為了使實(shí)驗(yàn)數(shù)據(jù)更加可靠，本實(shí)驗(yàn)選擇在校研宄生作為數(shù)據(jù)采集對(duì)象，年齡??處于２３周歲到２７周歲之間，均持有中華人民共和國(guó)機(jī)動(dòng)車駕駛證，駕齡一年以??上，身體狀況良好且均無(wú)重大病史。實(shí)驗(yàn)共包含２５名數(shù)據(jù)采集對(duì)象，其中女性??７名，男性１８名，每位采集對(duì)象均進(jìn)行正常狀態(tài)下以及疲勞狀態(tài)下兩次實(shí)驗(yàn)數(shù)??據(jù)采集，分別采集其脈搏信號(hào)和圖像信號(hào)。??２．２．１正常狀態(tài)下的數(shù)據(jù)采集??研宄表明人在上午８點(diǎn)到１０點(diǎn)大腦皮層處于最佳機(jī)能狀態(tài)，為避免因早飯??過(guò)后血液對(duì)消化系統(tǒng)供應(yīng)增加，對(duì)神經(jīng)系統(tǒng)（主要為大腦）供應(yīng)減少，導(dǎo)致被采??集對(duì)象無(wú)法保持正常清醒狀態(tài)，因此實(shí)驗(yàn)將正常清醒狀態(tài)下的數(shù)據(jù)采集時(shí)間設(shè)定??為早飯后１小時(shí)。??實(shí)驗(yàn)前期準(zhǔn)備工作：實(shí)驗(yàn)前２４小時(shí)告知被采集對(duì)象將進(jìn)行實(shí)驗(yàn)數(shù)據(jù)采集，??并保持正常的作息時(shí)間。實(shí)驗(yàn)開(kāi)始時(shí)，被采集者提前１０分鐘進(jìn)入實(shí)驗(yàn)區(qū)，伴隨??著舒緩的音樂(lè)熟悉實(shí)驗(yàn)環(huán)境，期間練習(xí)操作模擬駕駛系統(tǒng)，以免因被采集者對(duì)于??設(shè)備以及場(chǎng)景的新奇而影響情緒狀態(tài)和精神狀態(tài)。隨后被采集者于實(shí)驗(yàn)系統(tǒng)設(shè)定??指定位置就坐，打開(kāi)模擬駕駛系統(tǒng)并調(diào)整好座椅坐姿，盡量使駕駛感受接近真實(shí)??駕駛。由操作員給被采集對(duì)象佩戴脈搏傳感器，査看所輸出脈搏波形是否正常，??１１??

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的人臉識(shí)別算法[J]. 柯鵬飛,蔡茂國(guó),吳濤.  計(jì)算機(jī)工程. 2020(02)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)與集成學(xué)習(xí)的交通標(biāo)志識(shí)別[J]. 劉樹(shù)藝,李靜,胡春,王偉.  計(jì)算機(jī)與現(xiàn)代化. 2019(12)
[3]結(jié)合遷移學(xué)習(xí)和Inception-v3模型的路面干濕狀態(tài)識(shí)別方法[J]. 楊煒,周凱霞,劉佳俊,張志威,王童.  中國(guó)科技論文. 2019(08)
[4]面向帕金森病語(yǔ)音數(shù)據(jù)挖掘的分包融合集成算法[J]. 李勇明,張成,王品,謝廷杰,曾孝平,張艷玲,承歐梅,顏芳.  生物醫(yī)學(xué)工程學(xué)雜志. 2019(04)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)探討深度學(xué)習(xí)算法與應(yīng)用[J]. 高強(qiáng),靳其兵,程勇.  電腦知識(shí)與技術(shù). 2015(13)
[6]一種BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法研究[J]. 王晶晶,王劍.  軟件導(dǎo)刊. 2015(03)
[7]基于面部特征三角形的機(jī)車駕駛員頭部姿態(tài)參數(shù)估計(jì)[J]. 張萬(wàn)枝,王增才,徐俊凱.  鐵道學(xué)報(bào). 2013(11)
[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]淺議疾病、血流動(dòng)力學(xué)改變與中醫(yī)脈象的關(guān)系[J]. 祁曉民.  現(xiàn)代中西醫(yī)結(jié)合雜志. 2006(19)

博士論文
[1]面向不平衡數(shù)據(jù)的集成學(xué)習(xí)算法研究[D]. 張貞梅.山東科技大學(xué) 2019
[2]基于深度學(xué)習(xí)和面部多源動(dòng)態(tài)行為融合的駕駛員疲勞檢測(cè)方法研究[D]. 趙磊.山東大學(xué) 2018

碩士論文
[1]基于CNN的駕駛員面部視頻圖像的疲勞檢測(cè)研究與應(yīng)用[D]. 何琪.長(zhǎng)安大學(xué) 2019
[2]脈搏波信號(hào)檢測(cè)及數(shù)據(jù)處理方法研究[D]. 成懇.西安理工大學(xué) 2018
[3]基于光電容積脈搏波（PPG）的疲勞檢測(cè)系統(tǒng)[D]. 崔寶龍.東南大學(xué) 2018
[4]基于深度學(xué)習(xí)與信息融合的路怒情緒識(shí)別研究[D]. 于申浩.山東大學(xué) 2018
[5]基于OpenCV的人臉識(shí)別及其在NAO機(jī)器人中的應(yīng)用研究[D]. 白偉華.北方民族大學(xué) 2018
[6]基于多信息融合的疲勞狀態(tài)識(shí)別研究[D]. 王寧.山東大學(xué) 2016
[7]基于眼動(dòng)與脈搏信息融合的駕駛疲勞識(shí)別算法研究[D]. 李發(fā)權(quán).山東大學(xué) 2015
[8]脈搏波信息檢測(cè)及分析方法研究[D]. 周偉斌.重慶理工大學(xué) 2011



本文編號(hào)：3485589