疲勞駕駛是造成交通事故的重要原因之一,因此研究并開(kāi)發(fā)一種能夠精確檢測(cè)駕駛員疲勞狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng),對(duì)汽車安全性的提升有著重要意義。針對(duì)現(xiàn)有的駕駛員疲勞檢測(cè)方法存在檢測(cè)精度低、魯棒性差、未充分考慮時(shí)間序列上的變化規(guī)律等問(wèn)題,本文采用基于機(jī)器視覺(jué)和多模態(tài)特征融合的方法對(duì)實(shí)際駕駛環(huán)境下駕駛員疲勞檢測(cè)方法進(jìn)行了研究。本文主要研究?jī)?nèi)容如下:(1)駕駛員面部有效區(qū)域提取針對(duì)實(shí)際駕駛環(huán)境,建立了一個(gè)基于回歸樹集合的級(jí)聯(lián)回歸器以用于檢測(cè)駕駛員面部關(guān)鍵點(diǎn),并依據(jù)駕駛員面部關(guān)鍵點(diǎn)提出了駕駛員面部有效區(qū)域提取方法。基于并行的回歸樹建立弱級(jí)聯(lián)回歸器,利用多個(gè)弱級(jí)聯(lián)回歸器組成強(qiáng)級(jí)聯(lián)回歸器以用于檢測(cè)駕駛員面部關(guān)鍵點(diǎn),同時(shí)對(duì)回歸樹中結(jié)點(diǎn)劃分的誤差函數(shù)進(jìn)行拓展以解決數(shù)據(jù)集中標(biāo)簽部分缺失的問(wèn)題。然后,基于駕駛員面部關(guān)鍵點(diǎn)之間的相對(duì)位置關(guān)系,對(duì)駕駛員面部關(guān)鍵點(diǎn)、眼睛圖像及嘴巴圖像進(jìn)行提取。(2)駕駛員面部行為感知模型建立了基于深度學(xué)習(xí)的駕駛員面部整體特征檢測(cè)模型。該模型通過(guò)一個(gè)深度神經(jīng)網(wǎng)絡(luò)對(duì)駕駛員面部整體特征進(jìn)行粗處理,并將其處理結(jié)果作為駕駛員疲勞檢測(cè)的參考信息。建立了用以分析駕駛員眼睛/嘴巴狀態(tài)的深度壓縮卷積神經(jīng)...

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１本文整體結(jié)構(gòu)??本文主要研宄內(nèi)容如下：??

?第１章緒論???緒論一??（第？章）??１??駕駛員面部關(guān)鍵點(diǎn)定位???＾第二章）??（第二章）??Ｉ?￣７￣１?＇?＾?—??舞駛員眼暗狀態(tài)識(shí)別丨?氣駛（４嘴已狀態(tài)ＵＩ別?駕駛員面部特征識(shí)別Ｉ?Ｋ駛員視線區(qū)域佔(zhàn)［丨??｜?（第￥章）?＇?Ｕ：）?（第二：車）?－??”?Ｊｒ?....

圖２－１決策樹結(jié)構(gòu)原理圖??回歸樹是決策樹的一種變形，它使用決策樹模型解決了回歸問(wèn)題

?山東大學(xué)碩士學(xué)位論文???法。??■?、．－?＿??，?ｙ：．＇?．?—?．??—??（內(nèi)部結(jié)點(diǎn)）?Ｉ葉結(jié)點(diǎn)??Ｖ％，??１?＇?■：?０??ｘ．Ｊｒ??葉結(jié)點(diǎn)?葉結(jié)點(diǎn)??圖２－１決策樹結(jié)構(gòu)原理圖??回歸樹是決策樹的一種變形，它使用決策樹模型解決了回歸問(wèn)題。與決策樹??采用基尼....

圖２－２駕駛員面部有效區(qū)域提取流程??

歸器中第／ｔ棵回歸樹。??至此，基于上文可建立完整的級(jí)聯(lián)回歸器。本文中，單個(gè)弱級(jí)聯(lián)回歸器中回??歸向量為５００個(gè)，強(qiáng)級(jí)聯(lián)回歸器由１０個(gè)弱級(jí)聯(lián)回歸器組成，弱級(jí)聯(lián)回歸器之間??相互獨(dú)立。??２．２駕駛員面部有效區(qū)域提取??在駕駛員疲勞駕駛檢測(cè)的過(guò)程中，如果以駕駛員整張面部圖像為輸入，....

圖２＿３眼睛區(qū)域裁剪示意圖??

?第２章駕駛員面部有效區(qū)域提取???于深度學(xué)習(xí)的方法，因此需要根據(jù)駕駛員面部關(guān)鍵點(diǎn)裁剪出相應(yīng)合適大小的眼睛??區(qū)域圖像。由于眼睛狀態(tài)識(shí)別在單幀圖像上的只需識(shí)別出眼睛的開(kāi)閉合狀態(tài)即??可，因此對(duì)圖像質(zhì)量沒(méi)有很高的要求，高質(zhì)量的圖像反而會(huì)影響分特征識(shí)別模型??的計(jì)算量。本文以提取右眼....

本文編號(hào)：3946309