據(jù)國(guó)際海事組織統(tǒng)計(jì)表明,海員疲勞值班已經(jīng)成為船舶航行潛在危險(xiǎn)因素,80%以上的海上交通事故與疲勞值班有間接或直接的關(guān)系。雖然,目前有多種不同的駕駛員疲勞檢測(cè)方法和技術(shù),但主要針對(duì)機(jī)艙值班人員站姿或坐姿、走動(dòng)或坐立的狀態(tài)進(jìn)行監(jiān)測(cè)。本文提出通過(guò)檢測(cè)機(jī)艙值班人員的臉眼狀態(tài)來(lái)判斷其疲勞狀態(tài)。首先本文利用訓(xùn)練好的AdaBoost算法結(jié)合Haar-Like特征對(duì)機(jī)艙值班人員的人臉進(jìn)行定位,在此基礎(chǔ)上,采用改進(jìn)的AdaBoost算法對(duì)人眼進(jìn)行定位。最終,利用改進(jìn)的PERCLOS準(zhǔn)則對(duì)機(jī)艙值班人員的疲勞狀態(tài)進(jìn)行監(jiān)測(cè)。本文主要的研究?jī)?nèi)容分為以下兩個(gè)方面:（1）采用結(jié)合Haar-Like特征值的AdaBoost算法對(duì)機(jī)艙值班人員進(jìn)行人臉識(shí)別;同時(shí),在檢測(cè)到人臉的基礎(chǔ)上,利用改進(jìn)的AdaBoost算法進(jìn)行人眼的精確識(shí)別。研究結(jié)果表明:與傳統(tǒng)的模板匹配算法相比,該算法能夠更加準(zhǔn)確的識(shí)別出人臉和人眼位置。（2）提出采用改進(jìn)的PERCLOS疲勞判定準(zhǔn)則,即單位時(shí)間內(nèi)眼睛翻轉(zhuǎn)次數(shù)占總幀數(shù)比值的方法對(duì)機(jī)艙值班人員的疲勞狀態(tài)進(jìn)行監(jiān)測(cè)。計(jì)算結(jié)果表明.:在對(duì)機(jī)艙值班人員模擬值班工作視頻中,每隔一秒獲取一幀人臉圖像對(duì)值班人員... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
        1.1.1 機(jī)艙值班人員疲勞問(wèn)題
        1.1.2 機(jī)艙值班人員疲勞來(lái)源
    1.2 機(jī)艙值班人員視覺(jué)的識(shí)別
        1.2.1 人臉識(shí)別方法
        1.2.2 人眼識(shí)別方法
    1.3 機(jī)艙值班人員疲勞的監(jiān)測(cè)
        1.3.1 疲勞監(jiān)測(cè)方法
        1.3.2 疲勞監(jiān)測(cè)研究現(xiàn)狀
        1.3.3 國(guó)內(nèi)外研究現(xiàn)狀評(píng)述及趨勢(shì)
    1.4 論文研究?jī)?nèi)容及意義
        1.4.1 論文的研究?jī)?nèi)容
        1.4.2 論文的研究意義
2 機(jī)艙值班人員臉眼識(shí)別
    2.1 圖像采集及預(yù)處理
        2.1.1 圖像采集
        2.1.2 圖像預(yù)處理
    2.2 機(jī)艙值班人員人臉識(shí)別
        2.2.1 基于AdaBoost算法的人臉檢測(cè)
        2.2.2 基于Haar-Like特征的積分圖計(jì)算
        2.2.3 弱分類器到強(qiáng)分類器的構(gòu)造
        2.2.4 基于AdaBoost算法的級(jí)聯(lián)分類器生成
    2.3 機(jī)艙值班人員人眼識(shí)別
        2.3.1 人眼定位與人臉定位的差異
        2.3.2 使用改進(jìn)的AdaBoost算法進(jìn)行人眼識(shí)別
    2.4 實(shí)驗(yàn)結(jié)果
    2.5 本章小結(jié)
3 機(jī)艙值班人員疲勞狀態(tài)的判斷
    3.1 疲勞檢測(cè)方法
        3.1.1 接觸式疲勞檢測(cè)
        3.1.2 非接觸式疲勞檢測(cè)
    3.2 基于PERCLOS的疲勞狀態(tài)檢測(cè)
        3.2.1 眼睛模型
        3.2.2 PERCLOS疲勞判斷原理
    3.3 改進(jìn)的疲勞判別方法
    3.4 機(jī)艙值班人員疲勞狀態(tài)分析
    3.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于AdaBoost的人臉檢測(cè)算法研究[J]. 白燕.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2019(09)
[2]汽車駕駛員駕駛疲勞監(jiān)測(cè)及技術(shù)發(fā)展分析[J]. 于琦.  時(shí)代汽車. 2018(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的田間多簇獼猴桃圖像識(shí)別方法[J]. 傅隆生,馮亞利,Elkamil Tola,劉智豪,李瑞,崔永杰.  農(nóng)業(yè)工程學(xué)報(bào). 2018(02)
[4]船員疲勞駕駛監(jiān)控技術(shù)發(fā)展[J]. 李林.  科技資訊. 2015(24)
[5]基于多尺度SDM模型的人臉對(duì)齊算法[J]. 姚文韜,沈春鋒,顧志松,董文生.  控制工程. 2015(S1)
[6]幾種常用的膚色檢測(cè)顏色空間[J]. 龐燕.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[7]基于AAM提取幾何特征的人臉識(shí)別算法[J]. 張淑軍,王高峰,石峰.  系統(tǒng)仿真學(xué)報(bào). 2013(10)
[8]疲勞駕駛檢測(cè)方法研究綜述[J]. 薄純娟,徐國(guó)凱,宋鵬,李忠楠.  大連民族學(xué)院學(xué)報(bào). 2013(03)
[9]一種改進(jìn)的基于Canny算子邊緣檢測(cè)算法[J]. 趙巖,周百靈,陳賀新.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2012(04)
[10]一種改進(jìn)的指紋圖像局部方向場(chǎng)匹配方法[J]. 陳暉,舒欣,殷建平,祝恩.  國(guó)防科技大學(xué)學(xué)報(bào). 2011(05)

博士論文
[1]基于二維MB-LGBP特征的表情識(shí)別及其光照檢測(cè)研究[D]. 張錚.天津大學(xué) 2010

碩士論文
[1]基于眼部圖像特征的人體疲勞檢測(cè)研究[D]. 李婷婷.西安電子科技大學(xué) 2017
[2]船舶駕駛臺(tái)值班監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)研究[D]. 趙德遠(yuǎn).集美大學(xué) 2017
[3]基于視覺(jué)通道的疲勞駕駛檢測(cè)[D]. 房靈芝.南昌大學(xué) 2016
[4]基于視覺(jué)的疲勞駕駛預(yù)警系統(tǒng)[D]. 姚瑤.合肥工業(yè)大學(xué) 2015
[5]基于圖像處理的疲勞駕駛檢測(cè)技術(shù)研究[D]. 金璐.武漢工程大學(xué) 2014
[6]基于人臉檢測(cè)的疲勞駕駛分析[D]. 王雷.合肥工業(yè)大學(xué) 2014
[7]駕駛狀態(tài)監(jiān)測(cè)技術(shù)研究[D]. 肖怡晨.南京理工大學(xué) 2014
[8]基于疲勞駕駛的計(jì)算機(jī)視覺(jué)研究[D]. 黃葛峰.安徽大學(xué) 2012
[9]船舶駕駛員駕駛疲勞評(píng)價(jià)方法的研究[D]. 趙宣宣.大連海事大學(xué) 2011
[10]基于圖像處理的船舶值班監(jiān)控系統(tǒng)的研究[D]. 楊華.大連海事大學(xué) 2010



本文編號(hào)：3180093