隨著汽車保有量的不斷上升,交通事故越來(lái)越成為威脅人身及財(cái)產(chǎn)安全的社會(huì)難題�，F(xiàn)今,生活節(jié)奏的加快和人們睡眠時(shí)間的減少導(dǎo)致因疲勞和瞌睡而引發(fā)的交通事故數(shù)量正在逐年升級(jí),通過(guò)對(duì)駕駛員的疲勞駕駛行為進(jìn)行及時(shí)預(yù)警能夠有效減少該類交通事故的發(fā)生。本文利用計(jì)算機(jī)視覺(jué)技術(shù)分析駕駛員面部圖像,研究實(shí)時(shí)的、準(zhǔn)確的疲勞駕駛預(yù)警算法。該算法包含四個(gè)主要步驟,分別為人臉檢測(cè)、人臉關(guān)鍵點(diǎn)定位、眼睛和嘴巴區(qū)域定位及狀態(tài)識(shí)別、多參數(shù)融合疲勞檢測(cè)。本文的主要工作內(nèi)容如下:（1）針對(duì)Adaboost人臉檢測(cè)算法檢測(cè)速度慢的問(wèn)題,提出了一種基于區(qū)域預(yù)判的人臉檢測(cè)算法,先在整幅視頻圖像上檢測(cè)人臉,然后在上一幀檢測(cè)到的最大人臉圖像的基礎(chǔ)上擴(kuò)大一定范圍作為下一幀的檢測(cè)區(qū)域。該算法去除了大量的背景區(qū)域,提升了人臉檢測(cè)的速度。（2）在檢測(cè)到的駕駛員面部圖像上快速準(zhǔn)確地定位人臉關(guān)鍵點(diǎn)。本文用標(biāo)記有5個(gè)關(guān)鍵點(diǎn)的人臉圖像訓(xùn)練基于集成回歸樹(shù)（Ensemble of Regression Trees,ERT）的人臉關(guān)鍵點(diǎn)檢測(cè)模型并設(shè)計(jì)了具有不同結(jié)構(gòu)的多個(gè)卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network,CNN）人臉關(guān)鍵點(diǎn)檢測(cè)... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Haar-like特征

圖 2-2 Harr-like 特征在人臉中的應(yīng)用示例Figure 2-2 Examples of applying Haar-like feature on a face模板的特征值的計(jì)算方式是用白色矩形區(qū)域的灰度像素和減灰度像素和，如式(2-1)所示：1Re ( )Ni iiFeature w cSum r 表示特征模板中包含的矩形總數(shù)，iw 表示第 i 個(gè)矩形的權(quán)值，白色則為 1），Re ( )icSum r 為矩形內(nèi)的灰度像素和。 haar-like 特征的檢測(cè)可以量化臉部各區(qū)域的狀態(tài)以區(qū)分人臉2 顯示了不同類型的 haar-like 特征在描述人臉中的作用，眼，因此可以用 haar-like 特征中的邊緣特征模板檢測(cè)眼睛邊緣域亮，因此可以用線性特征模板檢測(cè)鼻子[41]。分圖 haar-like 特征的計(jì)算量很小，但搜索整幅圖所需要計(jì)算的特征

圖 2-3 積分圖計(jì)算Figure 2-3 Integral graph calculation子迭代計(jì)算整幅圖像的積分圖s ( x, y ) s ( x, y 1) I ( x, y)SAT ( x, y ) SAT ( x 1) s ( x, y) ( x, y )及其上方一列像素的和圖 2-4 矩形區(qū)域像素和4 Finding the sum of the shaded recta色四個(gè)端點(diǎn)的積分圖的值分別

【參考文獻(xiàn)】：
期刊論文
[1]基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的疲勞檢測(cè)[J]. 趙雪鵬,孟春寧,馮明奎,常勝江.  光電子·激光. 2017(05)
[2]基于ASM的多特征融合駕駛員疲勞檢測(cè)方法[J]. 白中浩,劉瀏,焦英豪,曹松.  電子測(cè)量與儀器學(xué)報(bào). 2016(12)
[3]基于主動(dòng)形狀模型及模糊推理的駕駛疲勞檢測(cè)[J]. 白中浩,焦英豪,白芳華.  儀器儀表學(xué)報(bào). 2015(04)
[4]面部多特征融合的駕駛員疲勞檢測(cè)方法[J]. 周云鵬,朱青,王耀南,盧笑,凌志剛.  電子測(cè)量與儀器學(xué)報(bào). 2014(10)
[5]基于分級(jí)策略的自動(dòng)人眼檢測(cè)與定位[J]. 李棟,田彥濤,劉帥師.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(03)
[6]心率變異性與駕駛疲勞相關(guān)性研究[J]. 董占勛,孫守遷,吳群,徐娟芳.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2010(01)
[7]彩色圖像中的人眼對(duì)定位[J]. 顧曉波,王耀明.  計(jì)算機(jī)應(yīng)用與軟件. 2008(08)
[8]雙層結(jié)構(gòu)Adaboost健壯分類器用于人眼精確定位[J]. 劉藝,龔衛(wèi)國(guó),李偉紅.  計(jì)算機(jī)應(yīng)用. 2008(03)
[9]基于模板匹配和遺傳算法的人眼定位[J]. 余甜甜,唐普英.  計(jì)算機(jī)仿真. 2007(04)
[10]一種基于知識(shí)的快速人臉檢測(cè)方法[J]. 姜軍,張桂林.  中國(guó)圖象圖形學(xué)報(bào). 2002(01)

碩士論文
[1]基于表情與頭部狀態(tài)識(shí)別的疲勞駕駛檢測(cè)算法的研究[D]. 鄒昕彤.吉林大學(xué) 2017
[2]基于人眼狀態(tài)的駕駛員疲勞檢測(cè)技術(shù)研究[D]. 陳明初.重慶大學(xué) 2012
[3]多姿態(tài)人臉檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 楊仁慧.天津大學(xué) 2007
[4]視頻中人臉檢測(cè)及跟蹤技術(shù)的研究[D]. 季劍嵐.南京理工大學(xué) 2005



本文編號(hào)：3537774