隨著經(jīng)濟(jì)社會(huì)的高速發(fā)展,機(jī)動(dòng)車輛已成為人們?nèi)粘Ｗ罨镜某鲂泄ぞ?但因機(jī)動(dòng)車輛引發(fā)的道路交通安全事故給我國甚至全球造成難以彌補(bǔ)的人員傷亡及巨大經(jīng)濟(jì)損失。據(jù)國內(nèi)外道路交通安全事故報(bào)告統(tǒng)計(jì)顯示,因疲勞駕駛造成的道路交通安全事故占全球交通事故總量的25%,并有不斷上升的趨勢(shì)。因此,如何準(zhǔn)確有效的檢測(cè)駕駛員的疲勞狀態(tài),已成為國內(nèi)外相關(guān)領(lǐng)域最為迫切的研究課題之一。目前,疲勞駕駛檢測(cè)的研究大多是基于圖像處理與檢測(cè)算法的研究,基于硬件及系統(tǒng)實(shí)現(xiàn)的研究相對(duì)較少,由于存在環(huán)境、光照、遮擋等因素,嚴(yán)重影響疲勞檢測(cè)的速度及準(zhǔn)確度;同時(shí)由于不能對(duì)數(shù)據(jù)進(jìn)行并行處理,較難滿足疲勞檢測(cè)的實(shí)時(shí)性要求。本文基于軟硬件協(xié)同的系統(tǒng)設(shè)計(jì)思路,構(gòu)建了一種基于FPGA的非接觸式疲勞檢測(cè)系統(tǒng)架構(gòu),結(jié)合FPGA強(qiáng)大的并行計(jì)算數(shù)據(jù)能力,植入基于嵌入式處理器的高效圖像處理算法及疲勞檢測(cè)算法,實(shí)現(xiàn)疲勞狀態(tài)的有效檢測(cè)。最后,在PYNQ-Z2開發(fā)平臺(tái)上證實(shí)該系統(tǒng)架構(gòu)與算法的實(shí)時(shí)有效性。本文所做的主要工作如下:1.研究并構(gòu)建基于FPGA硬件可編程邏輯設(shè)計(jì)的視頻采集及顯示系統(tǒng)。2.本文分別對(duì)人臉檢測(cè)、人眼檢測(cè)及疲勞檢測(cè)的基本理論展開研究,分析對(duì)比疲... 

【文章來源】：西華師范大學(xué)四川省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 選題的國內(nèi)外動(dòng)向
        1.2.1 疲勞檢測(cè)技術(shù)國內(nèi)外現(xiàn)狀
        1.2.2 疲勞檢測(cè)系統(tǒng)的國內(nèi)外研究成果
        1.2.3 FPGA發(fā)展趨勢(shì)
    1.3 本文主要工作
    1.4 論文結(jié)構(gòu)安排
第2章 疲勞檢測(cè)系統(tǒng)整體設(shè)計(jì)
    2.1 疲勞檢測(cè)系統(tǒng)設(shè)計(jì)要求
    2.2 基于FPGA的疲勞檢測(cè)系統(tǒng)整體方案設(shè)計(jì)
        2.2.1 系統(tǒng)疲勞評(píng)價(jià)指標(biāo)
        2.2.2 系統(tǒng)需求分析
        2.2.3 軟硬件協(xié)同設(shè)計(jì)
        2.2.4 系統(tǒng)總體方案設(shè)計(jì)
    2.3 硬件平臺(tái)介紹
        2.3.1 硬件平臺(tái)的基本特性
        2.3.2 OVERLAY介紹
    2.4 軟件開發(fā)環(huán)境介紹
        2.4.1 Vivado開發(fā)套件
        2.4.2 Vivadao HLS、Vivadao SDK開發(fā)工具
    2.5 本章小結(jié)
第3章 視頻圖像采集顯示及預(yù)處理設(shè)計(jì)
    3.1 視頻圖像采集顯示系統(tǒng)架構(gòu)
    3.2 視頻采集模塊設(shè)計(jì)
    3.3 視頻顯示模塊式設(shè)計(jì)
        3.3.1 HDMI技術(shù)
        3.3.2 HDMI時(shí)序分析
        3.3.3 HDMI顯示通道設(shè)計(jì)
    3.4 圖像預(yù)處理設(shè)計(jì)
        3.4.1 改善圖像對(duì)比度
        3.4.2 高斯濾波
        3.4.3 直方圖均衡化
    3.5 本章小結(jié)
第4章 基于YCb Cr空間及Haar-like特征人臉檢測(cè)定位
    4.1 人臉檢測(cè)方法概述
        4.1.1 基于知識(shí)規(guī)則方法
        4.1.2 基于不變特征方法
        4.1.3 基于模板匹配方法
        4.1.4 基于統(tǒng)計(jì)模型方法
    4.2 膚色分割模型
        4.2.1 基于YCbCr色彩空間閾值分割法
        4.2.2 基于YCb Cr色彩空間結(jié)合OTSU閾值分割法
        4.2.3 基于HSV色彩空間閾值分割法
    4.3 腐蝕與膨脹運(yùn)算
        4.3.1 腐蝕運(yùn)算
        4.3.2 膨脹運(yùn)算
    4.4 Haar-like特征人臉檢測(cè)
        4.4.1 Haar-like特征概述
        4.4.2 積分圖計(jì)算特征值
        4.4.3 Haar-like特征人臉分類器
    4.5 人臉檢測(cè)定位結(jié)果分析
    4.6 本章小結(jié)
第5章 人眼定位及眨眼檢測(cè)
    5.1 人眼粗定位
    5.2 人眼二次定位及特征提取
        5.2.1 特征點(diǎn)檢測(cè)定位人眼
        5.2.2 眼睛縱橫比EAR
    5.3 EAR SVM線性分類器眨眼檢測(cè)
        5.3.1 眨眼檢測(cè)
        5.3.2 SVM分類器原理
        5.3.3 EAR SVM線性分類器構(gòu)建
        5.3.4 EAR SVM分類器眨眼檢測(cè)結(jié)果分析
    5.4 本章小結(jié)
第6章 疲勞檢測(cè)
    6.1 常見的疲勞檢測(cè)方法
    6.2 PERCLOS算法
        6.2.1 PERCLOS算法概述
        6.2.2 PERCLOS算法原理
    6.3 眨眼頻率
    6.4 疲勞檢測(cè)實(shí)現(xiàn)及結(jié)果分析
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作不足及展望
參考文獻(xiàn)
致謝
在學(xué)期間的科研情況



本文編號(hào)：3178998