隨著經(jīng)濟社會的不斷發(fā)展,人民的消費水平不斷提高,機動車的使用量逐年增加,由此引發(fā)的道路交通安全問題越來越嚴重,給駕駛員和行人的生命安全和經(jīng)濟財產(chǎn)帶來了巨大損失。研究表明,疲勞駕駛已成為引發(fā)交通事故的重要因素之一,引起了許多國家和政府的重視。針對這一問題,研究人員已經(jīng)提出了許多疲勞檢測的方法,主要包括三種檢測方式:基于生理參數(shù)、基于車輛行為以及基于面部特征分析。其中,基于駕駛員面部特征分析的檢測算法有著非接觸性、準確性高及易實現(xiàn)等優(yōu)點,所以本文通過對駕駛員的面部特征分析來實現(xiàn)疲勞狀態(tài)的判定。本文針對國內(nèi)外各類疲勞狀態(tài)檢測算法進行了大量的研究,分析其優(yōu)勢和不足,提出了基于傳統(tǒng)機器學(xué)習(xí)算法和基于深度學(xué)習(xí)算法兩種檢測手段,結(jié)合眼部和嘴部狀態(tài)特征對駕駛員進行疲勞判定。本文通過將多個疲勞參數(shù)進行融合,提高了駕駛員疲勞駕駛檢測的準確率。本文的主要研究內(nèi)容和創(chuàng)新點包括以下幾個部分:1.人臉檢測及面部關(guān)鍵點定位的研究。在手工提取疲勞特征算法中,利用基于Harr-Like特征的Adaboost算法檢測人臉,在檢測到的人臉上采用EyeMap算法定位出眼睛區(qū)域;然后根據(jù)唇色和膚色之間的色度差異,定位嘴唇區(qū)域來... 

【文章來源】：吉林大學(xué)吉林省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

一些常見的Harr-like特征

吉林大學(xué)碩士學(xué)位論文圖 2.1 一些常見的 Harr-like 特征方法就是將上面圖中的白色區(qū)域內(nèi)利用積分圖像法快速計算 Haar 特征積分圖值是下圖陰影部分中的所有像' '' ',( , ) ( , )x x y yii x y i x y ········

' ',x x y y ·······圖 2.2 積分圖(x,y)表示原始圖像中坐標位置為(x,，可由該區(qū)域端點的積分圖來計算值，v(2)表示區(qū)域 A 和區(qū)域 B 的像表示表示區(qū)域 A、B、C 以及 D 的和減去 v(2)和 v(3)，即：域 D的 像素值 v 4 v 1 v 2

【參考文獻】：
期刊論文
[1]一種基于卷積神經(jīng)網(wǎng)絡(luò)的哈欠檢測算法[J]. 馬素剛,趙琛,孫韓林,韓俊崗.  計算機科學(xué). 2018(S1)
[2]監(jiān)測疲勞駕駛時定量腦電圖特征量化指標分析[J]. 陳朝陽,王文軍,張超飛,成波,曾超,孟祥杰,John M CAVANAUGH.  汽車安全與節(jié)能學(xué)報. 2016(02)
[3]基于動態(tài)匹配模型的駕駛?cè)俗觳啃袨樽R別與分級預(yù)警[J]. 付銳,程文冬,張名芳,袁偉,劉卓凡,郭艷君.  汽車工程. 2015(09)
[4]駕駛員疲勞檢測系統(tǒng)的研究[J]. 李紹文,王江波.  計算機工程與應(yīng)用. 2013(15)
[5]基于方向盤操作的駕駛?cè)似跔顟B(tài)實時檢測方法[J]. 張希波,成波,馮睿嘉.  清華大學(xué)學(xué)報(自然科學(xué)版). 2010(07)
[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(工學(xué)版). 2010(01)
[7]基于Snake模型的嘴部特征分割[J]. 湯敏,王元全,夏德深.  計算機工程. 2004(21)
[8]基于機器視覺的駕駛員嘴部狀態(tài)檢測方法[J]. 施樹明,金立生,王榮本,童兵亮.  吉林大學(xué)學(xué)報(工學(xué)版). 2004(02)
[9]一種基于知識的快速人臉檢測方法[J]. 姜軍,張桂林.  中國圖象圖形學(xué)報. 2002(01)

碩士論文
[1]基于面部視覺多特征融合的駕駛員疲勞檢測方法研究[D]. 周云鵬.湖南大學(xué) 2015
[2]基于人臉定位技術(shù)的疲勞駕駛檢測方法[D]. 孫睿.電子科技大學(xué) 2010



本文編號：3617964