隨著車載娛樂裝置與通訊系統(tǒng)的快速發(fā)展,駕駛員在駕駛過程中的注意力受到越來越多的干擾,由此引發(fā)的交通事故逐漸增多,為了解決該問題,本文對駕駛員的視線區(qū)域進(jìn)行了相關(guān)研究。針對現(xiàn)有實(shí)驗(yàn)室環(huán)境中的視線估計(jì)系統(tǒng)光照條件單一、測試行為與真實(shí)駕駛行為相差較大的問題,本文設(shè)計(jì)了一種新的融合頭部特征和眼睛特征的駕駛員視線區(qū)域估計(jì)系統(tǒng),并通過真實(shí)的駕駛環(huán)境圖像對系統(tǒng)進(jìn)行了有效性測試。本文的主要研究內(nèi)容如下所述:為了能提取駕駛員的頭部和眼睛特征,本文首先根據(jù)駕駛員的實(shí)際駕駛環(huán)境給出了駕駛員面部圖像定位和面部特征點(diǎn)定位的方法:即先使用Harr-like模板檢測其面部紋理特征,再通過級聯(lián)的強(qiáng)分類器完成面部區(qū)域的定位工作,針對多人乘車時(shí)駕駛室圖像中可能檢測到多個(gè)人臉區(qū)域的問題,本文通過人臉圖像中心與主駕駛座頭枕的相對位置關(guān)系給出了確定駕駛員面部圖像的算法流程;根據(jù)ERT完成面部特征點(diǎn)的檢測工作,再根據(jù)數(shù)據(jù)集圖像和真實(shí)的駕駛圖像驗(yàn)證了特征點(diǎn)檢測算法的有效性。本文通過駕駛員頭部特征完成其閉眼時(shí)刻視線區(qū)域的粗略估計(jì):首先通過統(tǒng)計(jì)的方法分析得出駕駛員駕駛過程中面部中心點(diǎn)的常用區(qū)域,再根據(jù)面部中心點(diǎn)在此區(qū)域的相對位置來對駕...

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１所示，當(dāng)攝像機(jī)將駕駛員圖像傳入視線??區(qū)域估計(jì)系統(tǒng)后，系統(tǒng)首先完成駕駛員的面部區(qū)域圖像與特征點(diǎn)的定位工作；隨??后將檢測到的駕駛員面部圖像通過第三章的算法確定其頭部位置及頭部姿態(tài)，通??

ｎｕｊｉｉ—ｉ—ｍｉ?????；?駕駛員眼睛區(qū)域提取??，１，１，?，?ｌ?，??駕駛員頭部位置駕駛員頭部姿態(tài)檢?閉眼?｜駕駛員Ｂ艮睛狀態(tài)??丨?ｙ：?｜丨?ｉ＇ｊ?丨＿??．備?１?丄睜眼??駕駛員頭部俯仰角??丨?駕駛員瞳扎位置檢??——?丨——Ｗ???＾?ｒ???駕駛員眼睛....

圖２－１?Ｈａａｒ特征模板??Ｈａａｒ特征反應(yīng)的是圖像灰度信息的變化情況，而這些特征恰好能有效的反??

?第２章駕駛員面部特征定位???第２章駕駛員面部特征定位??本章介紹駕駛員面部特征定位的方法：包括面部區(qū)域圖像定位及面部特征??點(diǎn)定位兩方面內(nèi)容。其中駕駛員面部區(qū)域定位采用的是Ａｄａｂｏｏｏｓｔ算法，面部特??征點(diǎn)定位采用的是ＥＲＴ算法。??２．１駕駛員面部區(qū)域定位??駕駛員面部....

圖２－２人臉圖像中的Ｈａｒｒ特征??

?山東大學(xué)碩士學(xué)位論文???應(yīng)人臉的某些面部特征．？如眉毛與眼睛的灰度對比，臉頰與眼睛的灰度變化，??鼻梁兩側(cè)與鼻子的像素對比（如圖２－２所示）。原始的Ｈａａｒ模板只有簡單的四種??結(jié)構(gòu)，檢測的特征信息相對較少，只能檢測出如圖２－１左側(cè)所示的四種特征，為??了能夠得到更精確的面部....

圖２－３?Ａｄａｂｏｏｓｔ算法積分圖??

?山東大學(xué)碩士學(xué)位論文???應(yīng)人臉的某些面部特征．？如眉毛與眼睛的灰度對比，臉頰與眼睛的灰度變化，??鼻梁兩側(cè)與鼻子的像素對比（如圖２－２所示）。原始的Ｈａａｒ模板只有簡單的四種??結(jié)構(gòu)，檢測的特征信息相對較少，只能檢測出如圖２－１左側(cè)所示的四種特征，為??了能夠得到更精確的面部....

本文編號(hào)：3943467