本文關(guān)鍵詞：駕駛員疲勞駕駛實時檢測系統(tǒng)設計與研究

  更多相關(guān)文章： 疲勞檢測 AdaBoost算法 人臉跟蹤 梯度增進回歸樹算法 橢圓擬合

【摘要】：隨著汽車持有量的持續(xù)增加和公路級別的不斷提高,全世界的公路交通事故頻繁發(fā)生,交通安全問題日益嚴重。有關(guān)部門調(diào)查結(jié)果顯示,駕駛員疲勞駕駛是導致重大交通事故的主要原因之一。因此研究和設計一套準確、高效的駕駛員疲勞駕駛檢測系統(tǒng),及時地對駕駛員進行疲勞駕駛預警具有重要的意義和實用價值。基于面部特征狀態(tài)的疲勞檢測方法因其具有非接觸性、實時性好、準確性高等優(yōu)點,已經(jīng)成為疲勞檢測的主流研究方向。本文結(jié)合吉林省教育廳“十二五”資助項目(編號:2015097)、吉林省發(fā)改委資助項目(編號:2015Y067),在對國內(nèi)外疲勞駕駛檢測技術(shù)進行了廣泛調(diào)研的基礎上,運用機器視覺、圖像處理、目標檢測及特征提取等技術(shù)對與疲勞有關(guān)的外在生理特征進行檢測和狀態(tài)分析,并依據(jù)相應疲勞判斷準則,建立了基于駕駛員面部特征的疲勞駕駛檢測系統(tǒng)。該檢測系統(tǒng)主要包括四個模塊:圖像捕捉模塊、圖像預處理模塊、特征檢測提取模塊和特征分類識別模塊。本文對其中特征檢測提取和特征分類識別模塊做了重點研究,主要包括駕駛員人臉檢測、人臉跟蹤定位、面部特征檢測與狀態(tài)識別以及基于面部特征的疲勞狀態(tài)識別與分析。本文主要研究內(nèi)容如下:首先,運用計算機、攝像頭、Visual Studio等軟硬件設備構(gòu)建檢測系統(tǒng)平臺。在對采集的圖像進行預處理的基礎上,選擇MB-LBP特征作為分類特征,運用AdaBoost算法和級聯(lián)的方法訓練人臉分類器,根據(jù)得到分類器進行人臉檢測和定位,實現(xiàn)對駕駛員人臉區(qū)域的實時檢測。針對Camshift跟蹤算法的不足,提出結(jié)合卡爾曼濾波器預測的Camshift跟蹤算法,實現(xiàn)對人臉區(qū)域的實時跟蹤;其次,使用梯度回歸樹算法,對已標定人臉特征點位置的樣本圖像進行訓練,得到人臉模型,使用該模型對檢測出的人臉進行眼睛和嘴巴特征定位。然后使用橢圓擬合算法,設置閾值判斷眼睛和嘴巴的狀態(tài),并依照相應疲勞判斷準則識別駕駛員的疲勞程度。最后,為驗證所提出的疲勞駕駛檢測算法的準確性,本文在本田家用轎車上進行了疲勞駕駛檢測試驗,通過安置在前擋風玻璃上的帶有紅外功能的COMS攝像頭采集駕駛員面部圖像,使用計算機作為數(shù)據(jù)處理平臺進行數(shù)據(jù)計算與分析。試驗內(nèi)容包括駕駛員人臉區(qū)域檢測與跟蹤、面部特征檢測與特征狀態(tài)識別、以及基于面部特征的疲勞狀態(tài)識別與分析。試驗結(jié)果表明,該系統(tǒng)具有很好的準確性、實時性和魯棒性。
【關(guān)鍵詞】：疲勞檢測 AdaBoost算法 人臉跟蹤 梯度增進回歸樹算法 橢圓擬合
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6;TP391.41
【目錄】：

• 摘要3-4
• Abstract4-9
• 第一章 緒論9-15
• 1.1 駕駛員疲勞檢測系統(tǒng)研究背景及意義9-10
• 1.2 疲勞檢測系統(tǒng)研究概述及國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 駕駛員疲勞檢測系統(tǒng)研究概述10-11
• 1.2.2 國外疲勞駕駛檢測系統(tǒng)的研究現(xiàn)狀11-13
• 1.2.3 國內(nèi)疲勞駕駛檢測系統(tǒng)的研究現(xiàn)狀13
• 1.3 本文主要研究內(nèi)容與結(jié)構(gòu)安排13-15
• 1.3.1 主要研究內(nèi)容13-14
• 1.3.2 結(jié)構(gòu)安排14-15
• 第二章 駕駛員疲勞駕駛檢測系統(tǒng)設計15-20
• 2.1 引言15
• 2.2 系統(tǒng)總體方案設計15-17
• 2.2.1 疲勞檢測系統(tǒng)總體結(jié)構(gòu)框圖15-16
• 2.2.2 系統(tǒng)硬件配置與軟件開發(fā)16
• 2.2.3 OpenCV介紹16-17
• 2.2.4 Dlib庫介紹17
• 2.3 圖像預處理17-19
• 2.3.1 圖像濾波17-18
• 2.3.2 直方圖均值化18-19
• 2.4 本章小結(jié)19-20
• 第三章 駕駛員人臉檢測與定位20-32
• 3.1 引言20
• 3.2 人臉檢測方法綜述20-23
• 3.2.1 基于先驗知識的檢測方法21
• 3.2.2 基于模板匹配的檢測方法21
• 3.2.3 基于統(tǒng)計理論的檢測方法21-22
• 3.2.4 人臉檢測方法比較22-23
• 3.3 基于AdaBoost算法人臉檢測23-29
• 3.3.1 AdaBoost算法研究23-25
• 3.3.2 分類特征選取25-27
• 3.3.3 基于積分圖的特征值計算27-28
• 3.3.4 特征分類器訓練28-29
• 3.4 實驗結(jié)果及分析29-31
• 3.5 本章小結(jié)31-32
• 第四章 駕駛員人臉跟蹤與定位32-43
• 4.1 引言32
• 4.2 人臉跟蹤算法研究32-39
• 4.2.1 Camshift跟蹤算法33-37
• 4.2.2 卡爾曼濾波器37-39
• 4.3 結(jié)合卡爾曼濾波器的Camshift人臉跟蹤39-40
• 4.4 實驗結(jié)果及分析40-42
• 4.5 本章小結(jié)42-43
• 第五章 駕駛員面部特征檢測與定位43-49
• 5.1 引言43
• 5.2 面部特征檢測方法研究43-44
• 5.3 基于梯度增進回歸樹算法級聯(lián)的人臉特征點定位44-47
• 5.3.1 梯度增進回歸樹算法研究44-45
• 5.3.2 訓練集的標定45-46
• 5.3.3 樣本訓練46-47
• 5.4 實驗結(jié)果及分析47-48
• 5.5 本章小結(jié)48-49
• 第六章 駕駛員疲勞狀態(tài)分析及試驗49-59
• 6.1 引言49
• 6.2 疲勞狀態(tài)分析49-53
• 6.2.1 眼睛狀態(tài)分析49-51
• 6.2.2 嘴巴狀態(tài)分析51
• 6.2.3 疲勞判斷準則51-53
• 6.3 試驗環(huán)境搭建53-55
• 6.3.1 硬件環(huán)境設計53
• 6.3.2 軟件環(huán)境設計53-55
• 6.4 試驗結(jié)果及分析55-58
• 6.5 本章小結(jié)58-59
• 第七章 總結(jié)與展望59-61
• 7.1 論文工作總結(jié)59
• 7.2 研究展望59-61
• 致謝61-62
• 參考文獻62-66
• 作者簡介66
• 攻讀碩士學位期間研究成果66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋宇;劉美麗;龐柏梅;;一種人臉面部特征的提取方法[J];長春工業(yè)大學學報(自然科學版);2009年06期

2 丁冬;高智商的家庭[J];個人電腦;1999年08期

3 周激流,張曄,郭晶,朱輝,陶理;基于先驗模板的人臉面部特征提取的研究[J];計算機輔助設計與圖形學學報;2000年05期

4 張應麗;王建華;王生進;;駕駛員面部特征點定位方法研究[J];北京機械工業(yè)學院學報;2009年01期

5 樊鑫,齊春,梁德群,黃華;基于統(tǒng)計形狀模型的面部特征提取隨機方法[J];西安交通大學學報;2004年06期

6 張麗雯;楊艷芳;齊美彬;蔣建國;;基于面部特征的疲勞駕駛檢測[J];合肥工業(yè)大學學報(自然科學版);2013年04期

7 ;面像識別技術(shù)及應用[J];家用電器;2001年06期

8 張有祥;電子“偵探”[J];飛碟探索;2000年06期

9 周激流,張曄;人臉識別理論研究進展[J];計算機輔助設計與圖形學學報;1999年02期

10 ;色彩測量裝置[J];技術(shù)與市場;2000年07期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 李燦東;蔡藝芳;;基于面部特征構(gòu)建中醫(yī)望診面部二維坐標體系[A];中國中西醫(yī)結(jié)合學會診斷專業(yè)委員會2009’年會論文集[C];2009年

2 王霞;溫有鋒;劉宇卓;楊洋;曹芳;;黑龍江富�？h三家子村滿族成人頭面部特征[A];中國解剖學會2013年年會論文文摘匯編[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 盧國強;北京:大中商場探頭須能辨面部特征[N];新華每日電訊;2011年

2 ;識別面部特征,猴有“專用”腦細胞[N];新華每日電訊;2006年

3 侯麗 編譯;人類對他人的信任感具有“自發(fā)性”[N];中國社會科學報;2014年

4 Jonathan Thomson;像中之象[N];美術(shù)報;2007年

5 編譯 任東華;為什么熟悉的面孔更親切[N];北京科技報;2005年

6 劉莉莉;FBI要建世界最大人類生物資料庫[N];新華每日電訊;2007年

7 記者 劉路沙;我國面像識別技術(shù)達國際先進水平[N];光明日報;2002年

8 本報記者 霍光;身份認證：從手指到人臉[N];中國計算機報;2009年

9 本報記者 聶翠蓉;生物識別讓罪犯無路可逃[N];科技日報;2005年

10 本報記者 蘇曉梅;打車遇違規(guī)，如何投訴最有效？[N];天津日報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 牛志恒;面部特征點定位方法研究[D];哈爾濱工業(yè)大學;2009年

2 王慶祥;基于Kinect的主動外觀模型及在表情動畫上的應用[D];山東大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 郭志芳;基于支持向量回歸的面部特征點定位算法[D];南昌航空大學;2015年

2 汪亞芬;多視角面部特征點定位研究與應用[D];上海交通大學;2015年

3 周鵬飛;駕駛員疲勞駕駛實時檢測系統(tǒng)設計與研究[D];長春工業(yè)大學;2016年

4 萬泉;面向立體顯示的人臉位置檢測算法[D];南京大學;2016年

5 張海龍;基于彈性模板的民族面部特征研究[D];東北大學;2010年

6 劉慧;民族面部特征提取及其識別算法研究[D];東北大學;2009年

7 常虹;基于改進型主動外觀模型的面部特征定位與人臉識別方法研究[D];合肥工業(yè)大學;2009年

8 索芳;基于面部特征的人臉識別方法研究[D];河北科技大學;2007年

9 唐坤;面部特征點定位算法研究[D];大連理工大學;2013年

10 王巍;人臉面部特征定位與人臉識別方法的研究[D];北京工業(yè)大學;2003年

，

本文編號：747687