本文關(guān)鍵詞：司機(jī)防疲勞駕駛系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)的快速發(fā)展,汽車(chē)已走進(jìn)千家萬(wàn)戶(hù)。汽車(chē)給人們帶來(lái)方便的同時(shí),也導(dǎo)致了交通事故的不斷發(fā)生。據(jù)研究發(fā)現(xiàn),司機(jī)疲勞駕駛是造成交通事故的重要原因之一,并且造成的死亡人數(shù)占交通事故的首位,疲勞駕駛已經(jīng)成為一個(gè)嚴(yán)重的社會(huì)問(wèn)題。因此,研制開(kāi)發(fā)一個(gè)防疲勞駕駛系統(tǒng)具有很大的意義。在研究國(guó)內(nèi)外相關(guān)資料之后,首先分析比較了三類(lèi)常用的檢測(cè)司機(jī)疲勞的方法,選定了本文所使用的基于視覺(jué)圖像和車(chē)輛狀態(tài)多種信息融合的檢測(cè)方法。資料表明,司機(jī)在疲勞駕駛的時(shí)候身體會(huì)發(fā)生一些變化,面部特征尤為明顯,主要體現(xiàn)在閉眼時(shí)間延長(zhǎng)以及頻繁打哈欠。所以,可以根據(jù)這些特征實(shí)時(shí)監(jiān)測(cè)司機(jī)的身體和精神狀態(tài)。文中提出了基于AdaBoost算法的人臉檢測(cè)以及使用“積分投影法”進(jìn)行的眼睛和嘴巴的精確定位。然后,根據(jù)PERCLOS-P80原理判斷司機(jī)閉眼時(shí)間的長(zhǎng)短,根據(jù)嘴巴張開(kāi)的大小判斷司機(jī)是否頻繁打哈欠,并且輔助監(jiān)測(cè)車(chē)輛方向盤(pán)的運(yùn)動(dòng),設(shè)計(jì)了本文的司機(jī)防疲勞駕駛系統(tǒng)。司機(jī)防疲勞駕駛系統(tǒng)包含五個(gè)獨(dú)立的模塊,可以根據(jù)司機(jī)眼睛、嘴巴以及車(chē)輛方向盤(pán)三個(gè)不同的特征來(lái)判定司機(jī)是否處于疲勞駕駛狀態(tài),及時(shí)發(fā)出預(yù)警信息,能夠有效地避免因司機(jī)疲勞而造成的交通事故。
【關(guān)鍵詞】：疲勞駕駛 人臉檢測(cè) 特征識(shí)別 疲勞判定
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U463.6;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-14
• 1 緒論14-20
• 1.1 研究背景和意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)15-17
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀15-17
• 1.2.2 發(fā)展趨勢(shì)17
• 1.3 論文主要內(nèi)容及結(jié)構(gòu)安排17-19
• 1.3.1 論文主要研究?jī)?nèi)容17-18
• 1.3.2 論文結(jié)構(gòu)安排18-19
• 1.4 本章小結(jié)19-20
• 2 司機(jī)疲勞駕駛行為分析20-28
• 2.1 疲勞駕駛20-23
• 2.1.1 疲勞駕駛的概念20-21
• 2.1.2 疲勞駕駛形成的原因21-22
• 2.1.3 疲勞駕駛的危害22-23
• 2.2 司機(jī)疲勞的檢測(cè)方法23-26
• 2.2.1 基于生理信號(hào)的檢測(cè)方法23-24
• 2.2.2 基于車(chē)輛狀態(tài)的檢測(cè)方法24-25
• 2.2.3 基于視覺(jué)圖像的檢測(cè)方法25
• 2.2.4 三種檢測(cè)方法比較25-26
• 2.3 本文使用的檢測(cè)方法26
• 2.4 本章小結(jié)26-28
• 3 司機(jī)面部特征識(shí)別28-36
• 3.1 人臉檢測(cè)28-32
• 3.1.1 人臉檢測(cè)方法28-29
• 3.1.2 基于AdaBoost算法的人臉檢測(cè)29-31
• 3.1.3 AdaBoost算法實(shí)現(xiàn)31-32
• 3.2 眼睛定位32-33
• 3.3 嘴巴定位33-34
• 3.4 本章小結(jié)34-36
• 4 司機(jī)疲勞駕駛判定36-44
• 4.1 基于眼睛特征的疲勞判定36-39
• 4.1.1 PERCLOS算法37
• 4.1.2 PERCLOS算法原理37-38
• 4.1.3 基于PERCLOS判定疲勞38-39
• 4.2 基于嘴巴特征的疲勞判定39-41
• 4.3 基于方向盤(pán)的疲勞判定41-42
• 4.4 本章小結(jié)42-44
• 5 司機(jī)防疲勞駕駛系統(tǒng)44-52
• 5.1 系統(tǒng)設(shè)計(jì)44-49
• 5.1.1 面部監(jiān)測(cè)模塊44-45
• 5.1.2 方向盤(pán)監(jiān)測(cè)模塊45-46
• 5.1.3 藍(lán)牙模塊46-47
• 5.1.4 預(yù)警模塊47-48
• 5.1.5 數(shù)據(jù)處理模塊48-49
• 5.2 司機(jī)防疲勞駕駛系統(tǒng)硬件結(jié)構(gòu)49-51
• 5.2.1 汽車(chē)方向盤(pán)轉(zhuǎn)角傳感器49-50
• 5.2.2 基于Android系統(tǒng)的監(jiān)控和處理設(shè)備50-51
• 5.3 實(shí)驗(yàn)結(jié)果分析51
• 5.4 本章小結(jié)51-52
• 6 總結(jié)與展望52-54
• 6.1 本文總結(jié)52
• 6.2 展望52-54
• 參考文獻(xiàn)54-58
• 致謝58-60
• 作者簡(jiǎn)介60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 梁隴成;李智;;基于ZigBee的無(wú)線(xiàn)實(shí)時(shí)多通道數(shù)據(jù)包監(jiān)聽(tīng)器設(shè)計(jì)與研究[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2015年03期

2 石煒;朱光宇;;基于陀螺儀的方向盤(pán)轉(zhuǎn)角傳感器[J];儀表技術(shù)與傳感器;2014年09期

3 陳旭;肖洪兵;;基于面部綜合信息的疲勞駕駛判別研究[J];科學(xué)技術(shù)與工程;2014年11期

4 閆麗瑩;;汽車(chē)外形設(shè)計(jì)的發(fā)展與研究[J];無(wú)線(xiàn)互聯(lián)科技;2014年02期

5 楊星星;張松;蘆楊;楊琳;王薇薇;顧冠雄;;基于生理信號(hào)的疲勞駕駛風(fēng)險(xiǎn)檢測(cè)方法的研究進(jìn)展[J];中國(guó)醫(yī)學(xué)裝備;2013年07期

6 王筱薇倩;楊會(huì)成;費(fèi)琛;楊惠;;基于ASM和眼嘴自動(dòng)標(biāo)點(diǎn)的差距化疲勞識(shí)別[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

7 孫罡;索春光;全小紅;;基于Adaboost對(duì)人臉Gabor特征進(jìn)行選擇[J];價(jià)值工程;2013年11期

8 王威;胡永忠;;一種用于駕駛員疲勞檢測(cè)的人眼狀態(tài)判別方法[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2012年13期

9 蘇曉娜;李曉明;;人臉檢測(cè)及眼睛定位在駕駛員疲勞檢測(cè)中的應(yīng)用[J];科學(xué)技術(shù)與工程;2012年17期

10 吳雅萱;李文書(shū);施國(guó)生;周濤;;疲勞駕駛檢測(cè)技術(shù)研究綜述[J];工業(yè)控制計(jì)算機(jī);2011年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 肖獻(xiàn)強(qiáng);基于信息融合的駕駛行為識(shí)別關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2011年

2 毛U

本文編號(hào)：361268