發(fā)布時(shí)間：2017-06-13 23:07

  本文關(guān)鍵詞：基于面部信息的疲勞駕駛檢測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著交通運(yùn)輸工業(yè)的快速發(fā)展,機(jī)動(dòng)車持有量的不斷增加,交通事故的發(fā)生頻率也越來越大,給人們帶來了巨大的人身安全隱患和經(jīng)濟(jì)損失。疲勞是影響駕駛員安全駕駛的一個(gè)主要因素。據(jù)統(tǒng)計(jì),大約有20%的交通事故發(fā)生原因就是駕駛員的疲勞駕駛。因此在事故發(fā)生前,對(duì)駕駛員做出實(shí)時(shí)準(zhǔn)確的疲勞警告尤其重要。本文在分析了國(guó)內(nèi)外多種疲勞檢測(cè)方法的基礎(chǔ)上,結(jié)合眼部、嘴部和鼻部這三個(gè)面部特征進(jìn)行研究,通過將多個(gè)參數(shù)進(jìn)行融合,提高了疲勞檢測(cè)的準(zhǔn)確率。本文的主要研究?jī)?nèi)容如下:1.對(duì)視頻圖像預(yù)處理�？紤]到在駕駛過程中光照和噪聲的影響,在比較了不同的圖像增強(qiáng)方法后,選擇了中值濾波、Laplacian算子銳化對(duì)原圖像做增強(qiáng)處理;在對(duì)比了直方圖均衡化和參考白算法的光照均衡效果后,選取了改進(jìn)的參考白算法對(duì)圖像做光照補(bǔ)償處理。2.人臉的檢測(cè)和跟蹤。首先利用膚色特征檢測(cè)出駕駛員的膚色區(qū)域,然后采用積分投影法結(jié)合人臉的長(zhǎng)寬比例來定位人臉,這種方法可以減少脖子處膚色的影響。最后,結(jié)合首幀檢測(cè)到的人臉區(qū)域,改進(jìn)camshift算法使其對(duì)后續(xù)幀的人臉區(qū)域做自動(dòng)跟蹤,增強(qiáng)了系統(tǒng)檢測(cè)的實(shí)時(shí)性。3.眼部檢測(cè)及打瞌睡判斷。首先對(duì)人臉上半部分區(qū)域的二值化圖像做積分投影處理,利用投影曲線的波谷信息檢測(cè)出眉眼區(qū)域;然后通過分析眉眼區(qū)域圖像的水平和垂直投影曲線,計(jì)算兩個(gè)投影曲線上波谷寬度的比值,再結(jié)合眉眼區(qū)域內(nèi)黑色像素點(diǎn)個(gè)數(shù)所占比例來判斷眼睛的睜閉;最后基于PERCLOS準(zhǔn)則和眨眼頻率來判斷眼睛是否打瞌睡。4.打哈欠判斷。首先利用canny檢測(cè)算法對(duì)嘴部和鼻部的二值圖像做邊緣提取處理,通過計(jì)算上下嘴唇到鼻孔位置的距離的比值來判斷嘴是否張開;然后利用嘴張開時(shí)間的長(zhǎng)短來判斷是否打哈欠。這種方法可以降低由駕駛員距離攝像頭遠(yuǎn)近的變化而產(chǎn)生的影響,增強(qiáng)了系統(tǒng)檢測(cè)的準(zhǔn)確性。在疲勞判斷時(shí),首先檢測(cè)駕駛員是否打瞌睡,若打瞌睡則直接將疲勞預(yù)警信息發(fā)送給駕駛員;否則再進(jìn)入下一步,判斷駕駛員是否打哈欠,若檢測(cè)到打哈欠,同樣發(fā)出疲勞預(yù)警。實(shí)驗(yàn)中對(duì)5名實(shí)驗(yàn)者的視頻圖像做疲勞檢測(cè)處理,通過將眼部、嘴部和鼻部這三個(gè)特征參數(shù)融合,提高了疲勞判斷的準(zhǔn)確率,效果很好。
【關(guān)鍵詞】：疲勞駕駛 人臉檢測(cè) 人臉跟蹤 積分投影 canny檢測(cè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6;TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-15
• 1.1 研究背景及意義11-12
• 1.2 研究方法及現(xiàn)狀12-14
• 1.3 本文的研究?jī)?nèi)容及結(jié)構(gòu)安排14-15
• 第2章 圖像處理技術(shù)15-23
• 2.1 圖像增強(qiáng)處理15-21
• 2.1.1 圖像濾波處理15-19
• 2.1.2 直方圖均衡化19-21
• 2.2 基于改進(jìn)的參考白算法的光照補(bǔ)償21-22
• 2.3 本章小結(jié)22-23
• 第3章 人臉檢測(cè)和跟蹤23-37
• 3.1 人臉檢測(cè)算法介紹23-24
• 3.2 結(jié)合膚色特征和積分投影法的人臉檢測(cè)算法24-31
• 3.2.1 色彩空間的選擇24-27
• 3.2.2 膚色模型的選擇和膚色的提取27-29
• 3.2.3 結(jié)合臉部比例和積分投影法的人臉定位29-31
• 3.3 目標(biāo)跟蹤算法介紹31-32
• 3.4 結(jié)合膚色特征、積分投影和Camshift算法的人臉跟蹤32-35
• 3.5 本章小結(jié)35-37
• 第4章 駕駛員眼部和嘴部狀態(tài)的判定37-49
• 4.1 眼部狀態(tài)的判定37-44
• 4.1.1 常用的眼部檢測(cè)方法介紹37-38
• 4.1.2 基于積分投影法的眉眼區(qū)域檢測(cè)38-40
• 4.1.3 眼睛睜閉狀態(tài)的判定40-44
• 4.2 嘴部狀態(tài)的判定44-47
• 4.2.1 常用的嘴部檢測(cè)方法介紹44
• 4.2.2 基于改進(jìn)的Canny算法的嘴唇和鼻孔的邊緣檢測(cè)44-46
• 4.2.3 嘴部張開與閉合狀態(tài)的判定46-47
• 4.3 本章小結(jié)47-49
• 第5章 駕駛員疲勞狀態(tài)判定49-55
• 5.1 打瞌睡判斷49-51
• 5.1.1 PERCLOS準(zhǔn)則49-50
• 5.1.2 眨眼頻率50-51
• 5.1.3 基于PERCLOS值和眨眼頻率的打瞌睡判斷51
• 5.2 打哈欠判斷51-52
• 5.3 結(jié)合眼部和嘴部狀態(tài)的綜合疲勞判定52-53
• 5.4 實(shí)驗(yàn)結(jié)果分析53
• 5.5 本章小結(jié)53-55
• 第6章 總結(jié)與展望55-57
• 6.1 總結(jié)55-56
• 6.2 展望56-57
• 參考文獻(xiàn)57-62
• 作者簡(jiǎn)介及科研成果62-63
• 致謝63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 樊玲;;基于眼動(dòng)跟蹤的駕駛員疲勞檢測(cè)[J];科技創(chuàng)新與應(yīng)用;2012年26期

2 孟子諍;劉金明;劉厚軍;;機(jī)車司機(jī)疲勞檢測(cè)系統(tǒng)研究與應(yīng)用[J];中國(guó)鐵路;2013年05期

3 陳勇;黃琦;劉霞;張昌華;;一種全天候駕駛員疲勞檢測(cè)方法研究[J];儀器儀表學(xué)報(bào);2009年03期

4 高永萍;秦華標(biāo);;駕駛員疲勞檢測(cè)系統(tǒng)[J];儀表技術(shù)與傳感器;2007年01期

5 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

6 楊海燕;蔣新華;王雷;;一種基于人臉序列模式的機(jī)車駕駛員疲勞檢測(cè)方法[J];鐵道學(xué)報(bào);2012年05期

7 耿磊,吳曉娟,彭彰;基于TMS320DM642的疲勞檢測(cè)系統(tǒng)硬件設(shè)計(jì)[J];中國(guó)工程科學(xué);2005年11期

8 張祖濤;張家樹;;基于UKF非線性人眼跟蹤的駕駛員疲勞檢測(cè)[J];西南交通大學(xué)學(xué)報(bào);2008年06期

9 苑瑋琦;賈琦;;基于DM6437的駕駛員疲勞檢測(cè)系統(tǒng)[J];儀表技術(shù)與傳感器;2010年05期

10 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

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 張笑非;鄔正義;談?wù)?;基于視覺的疲勞駕駛檢測(cè)[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 胡慶新;張淑鳳;方躍;;弱光環(huán)境下駕駛員的人臉檢測(cè)和眼睛追蹤[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 記者 廖翊;目視判斷裂痕是金屬疲勞[N];新華每日電訊;2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 邸巍;基于視覺的全天候駕駛員疲勞與精神分散狀態(tài)監(jiān)測(cè)方法研究[D];吉林大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王豪榮;基于人臉特征融合的疲勞檢測(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

2 王兆偉;基于眼態(tài)識(shí)別的疲勞駕駛檢測(cè)技術(shù)研究[D];長(zhǎng)安大學(xué);2015年

3 蔣文博;基于計(jì)算機(jī)視覺的疲勞駕駛檢測(cè)技術(shù)研究[D];北京化工大學(xué);2015年

4 張譯心;基于面部特征的駕駛員疲勞算法應(yīng)用研究[D];吉林農(nóng)業(yè)大學(xué);2015年

5 韓吉祥;基于SOPC的駕駛員疲勞檢測(cè)系統(tǒng)設(shè)計(jì)[D];黑龍江大學(xué);2015年

6 王雷;基于人臉檢測(cè)的疲勞駕駛分析[D];合肥工業(yè)大學(xué);2014年

7 朱學(xué)敏;基于卷積神經(jīng)網(wǎng)絡(luò)的眼電信號(hào)疲勞檢測(cè)[D];上海交通大學(xué);2015年

8 陳中勝;基于紅外視頻圖像眼睛信息特征的疲勞檢測(cè)[D];廣西科技大學(xué);2015年

9 趙曉琳;基于面部信息的疲勞駕駛檢測(cè)方法研究[D];吉林大學(xué);2016年

10 王豐;基于視覺的汽車駕駛員疲勞檢測(cè)裝置[D];沈陽工業(yè)大學(xué);2008年

  本文關(guān)鍵詞：基于面部信息的疲勞駕駛檢測(cè)方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：447843