本文選題：疲勞檢測　切入點：眼鏡判斷　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著汽車保有量的增加和人們生活節(jié)奏的加快,因駕駛者疲勞而引發(fā)的交通事故屢屢發(fā)生。我們應(yīng)該認(rèn)識到,疲勞駕駛所帶來的嚴(yán)重后果并不亞于酒駕,它是交通安全的巨大隱患,嚴(yán)重威脅著社會財產(chǎn)與生命安全。所以研究可靠且有效的疲勞駕駛檢測技術(shù),能夠提前預(yù)測和判斷出駕駛者的疲勞狀態(tài),及時預(yù)警,并讓車輛自動減速,做到防患于未然,從而可以避免交通事故的發(fā)生。本文通過研究目前國內(nèi)外關(guān)于疲勞駕駛檢測技術(shù)的各類方法,總結(jié)其優(yōu)勢與不足�？紤]到部分駕駛者存在佩戴眼鏡的情況,提出基于眼睛、嘴部與頭部狀態(tài)相結(jié)合的方法識別疲勞狀態(tài)。主要內(nèi)容包括以下幾部分:1.視頻圖像預(yù)處理。駕駛者的面部區(qū)域在行車過程中會受到不同光照的影響,同時由于視頻圖像在獲取與傳輸過程中會產(chǎn)生噪聲與模糊。因此本文預(yù)先對圖像進(jìn)行濾波去噪和光照均衡處理,保障人臉區(qū)域的準(zhǔn)確檢測。2.人臉檢測與運動目標(biāo)跟蹤。在綜合分析比較了各類人臉檢測方法之后,本文采用基于Adaboost算法的人臉分類器檢測視頻圖像中駕駛員的面部區(qū)域。該方法通過Haar-Like特征與積分圖像法迭代訓(xùn)練人臉分類器。與傳統(tǒng)的基于膚色或模板匹配的人臉檢測方法相比,其檢測效率更高、準(zhǔn)確性更好�；谌四槞z測的結(jié)果,采用粒子濾波運動目標(biāo)跟蹤算法實時追蹤駕駛員的面部目標(biāo)區(qū)域。3.眼睛檢測與狀態(tài)識別。首先,利用面部器官的幾何分布規(guī)則粗略分割眼部的候選區(qū)域。其次,基于大律法對雙眼區(qū)域進(jìn)行圖像自適應(yīng)二值化。通過垂直積分投影并計算連通區(qū)域個數(shù),判斷駕駛者是否佩戴眼鏡。最后,分兩種情況選擇對應(yīng)的算法識別睜眼或閉眼狀態(tài)。如果駕駛員佩戴眼鏡,則提出基于局部直方圖統(tǒng)計特征的算法識別眼部狀態(tài);如果駕駛員未佩戴眼鏡,則采取基于Adaboost算法的人眼分類器直接定位眼睛,對單眼區(qū)域二值化后提取最大矩形并得到眼睛的近似張角,由閾值判斷眼睛睜開或閉合狀態(tài)。4.嘴部檢測與狀態(tài)識別。嘴部相對于人臉其他區(qū)域來說具有特殊的顏色與亮度信息。本文為了簡化計算、提高檢測效率,首先根據(jù)嘴部在面部的分布位置,粗定位嘴部候選區(qū)。其次二值化獲得嘴部面積,利用Sobel邊緣檢測法提取嘴部邊緣獲得嘴部周長。最后計算似圓度,識別嘴部張開或閉合狀態(tài)。5.頭部狀態(tài)識別。人在打瞌睡時,頭部會出現(xiàn)突發(fā)性的上仰、下沉或規(guī)律性的上下往復(fù)運動。這部分主要利用已經(jīng)定位到的眼睛與嘴部中心點位置信息,6.疲勞狀態(tài)判斷。該過程利用持續(xù)閉眼時間、眨眼頻率、PERCLOS參數(shù)、打哈欠持續(xù)時間、打哈欠次數(shù)和點頭頻率等指標(biāo)綜合判斷駕駛者是否瞌睡。最后根據(jù)疲勞狀態(tài)各等級對應(yīng)的面部表情行為特征,構(gòu)建疲勞駕駛檢測系統(tǒng)流程圖,當(dāng)檢測到疲勞狀態(tài)時,及時預(yù)警并讓機動車自動減速。實驗中對4組模擬駕駛場景下的視頻圖像進(jìn)行檢測,結(jié)果表明本文疲勞駕駛檢測算法的檢測效率較高,準(zhǔn)確性較好,且滿足系統(tǒng)對于實時性的要求。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U463.6;U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉泉影;毛承勝;聶碧娟;胡斌;;普適環(huán)境下基于腦電的身份及上下文狀態(tài)識別[J];東南大學(xué)學(xué)報(自然科學(xué)版);2010年S2期

2 齊永順;張文泉;;設(shè)備狀態(tài)識別[J];機械設(shè)計與制造;1987年04期

3 李力,趙新澤;應(yīng)用統(tǒng)計數(shù)學(xué)方法增進(jìn)機器狀態(tài)識別技術(shù)[J];實用測試技術(shù);2000年03期

4 王瓊;王歡;趙春霞;楊靜宇;;基于眼睛狀態(tài)識別的駕駛員疲勞監(jiān)測[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);2010年04期

5 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設(shè)備狀態(tài)識別中的應(yīng)用研究[J];中國機械工程;2011年18期

6 李虹;;路面狀態(tài)識別技術(shù)概述[J];氣象水文海洋儀器;2012年04期

7 余丹炯;李訓(xùn)銘;;駕駛困倦預(yù)警系統(tǒng)中眼部狀態(tài)識別的研究[J];河海大學(xué)常州分校學(xué)報;2007年02期

8 張雷元;袁建華;趙永進(jìn);;道路交通狀態(tài)識別技術(shù)研究[J];道路交通與安全;2009年02期

9 王正軍;張培林;任國全;高經(jīng)緯;李兵;;裝備發(fā)動機運行狀態(tài)識別[J];四川兵工學(xué)報;2008年02期

10 余成波，，梁德沛;基于模糊相似貼近度旋轉(zhuǎn)機械狀態(tài)識別[J];機械傳動;1994年04期

相關(guān)會議論文 前9條

1 湯新蓓;鄭德玲;湯崢嶸;張長紅;;證據(jù)理論支持下的狀態(tài)識別方法[A];1997年中國控制會議論文集[C];1997年

2 鄭德玲;方巍;;基于組合邏輯與模糊邏輯的狀態(tài)識別方法[A];1998年中國控制會議論文集[C];1998年

3 方劍青;李紅軍;雷毅平;陳德華;;聲學(xué)共振譜方法用于結(jié)構(gòu)狀態(tài)識別的實驗研究[A];2008年全國聲學(xué)學(xué)術(shù)會議論文集[C];2008年

4 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識別研究[A];第六屆全國摩擦學(xué)學(xué)術(shù)會議論文集（上冊）[C];1997年

5 趙偉;黃春琳;;生命探測技術(shù)研究[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

6 李宏坤;周帥;孫志輝;;基于Hilbert時頻譜重心與支持向量機的設(shè)備狀態(tài)識別[A];第八屆全國動力學(xué)與控制學(xué)術(shù)會議論文集[C];2008年

7 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動驅(qū)動并聯(lián)仿真研究[A];第11屆粵港機械電子工程技術(shù)與應(yīng)用研討會論文匯編[C];2010年

8 周穎;鄭德玲;裘之亮;位耀光;;一種新的免疫識別算法及其收斂性研究[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

9 陳鍇;徐柏齡;;基于最佳維納解的雙通道話者狀態(tài)識別方法[A];中國聲學(xué)學(xué)會2006年全國聲學(xué)學(xué)術(shù)會議論文集[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 李楠;基于單類學(xué)習(xí)的異常檢測方法及其重型裝備狀態(tài)識別應(yīng)用[D];上海交通大學(xué);2014年

2 李娜;基于人體運動狀態(tài)識別的可穿戴健康監(jiān)測系統(tǒng)研究[D];北京工業(yè)大學(xué);2013年

3 李虹;基于機器視覺路面狀態(tài)識別關(guān)鍵技術(shù)研究[D];吉林大學(xué);2009年

4 王金偉;基于表情時空特征的認(rèn)知情感狀態(tài)識別研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 游雄雄;礦冶典型零部件退化狀態(tài)識別與剩余壽命預(yù)測及可再制造性評估[D];江西理工大學(xué);2015年

2 林助軍;非穩(wěn)態(tài)條件下摩擦信號處理和狀態(tài)識別技術(shù)研究[D];大連海事大學(xué);2015年

3 葉卿;信號控制交叉口交通擁堵狀態(tài)識別方法研究[D];華南理工大學(xué);2015年

4 張鑓;人體運動狀態(tài)感知機理及傳感數(shù)據(jù)分析研究[D];北京工業(yè)大學(xué);2015年

5 邵劍雄;基于霍夫森林的變電站開關(guān)設(shè)備檢測及狀態(tài)識別[D];浙江大學(xué);2016年

6 劉雨;基于SVM的直升機飛行狀態(tài)識別方法及其應(yīng)用研究[D];南昌航空大學(xué);2016年

7 馮青平;基于云計算的交通流預(yù)測與狀態(tài)識別關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2016年

8 鮑闞;智能車輛近場物體探測及其狀態(tài)識別方法研究[D];吉林大學(xué);2016年

9 王寧;基于多信息融合的疲勞狀態(tài)識別研究[D];山東大學(xué);2016年

10 趙正川;基于高速視頻的目標(biāo)狀態(tài)識別技術(shù)研究[D];西安工業(yè)大學(xué);2016年

本文編號：1640715