疲勞一直以來(lái)都是造成操控員操作失誤的主要原因之一,尤其對(duì)于駕駛員來(lái)說(shuō)。因此,研究并開發(fā)出一種能夠?qū)崟r(shí)地、準(zhǔn)確地檢測(cè)出操控員疲勞狀態(tài)的檢測(cè)系統(tǒng)可以作為降低失誤甚至事故發(fā)生的有效措施。本文通過(guò)深度神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)分析相關(guān)的面部疲勞特征以對(duì)操控員進(jìn)行疲勞檢測(cè),即使用相關(guān)的算法根據(jù)與疲勞相關(guān)的面部局部特征和全局特征判定操控員的疲勞狀態(tài),其中將眼睛、嘴部及頭部姿勢(shì)的不同狀態(tài)定義為局部特征,將整個(gè)面部反應(yīng)的疲勞狀態(tài)作為全局特征。最后,將眼睛的疲勞狀態(tài)、嘴部的疲勞狀態(tài)以及反映疲勞狀態(tài)的頭部姿勢(shì)結(jié)合全局面部的疲勞狀態(tài)來(lái)確定最終的操控員疲勞狀態(tài)。本研究方案主要從面部檢測(cè)、特征提取與時(shí)間建模以及數(shù)據(jù)融合進(jìn)行設(shè)計(jì)與實(shí)驗(yàn)。（1）研究并開發(fā)出一種魯棒性較強(qiáng)的面部檢測(cè)器來(lái)進(jìn)行面部檢測(cè)。該檢測(cè)器由Viola-Jones檢測(cè)算法和核相關(guān)濾波跟蹤算法構(gòu)成。該面部檢測(cè)器一方面解決了單一面部檢測(cè)算法存在的頭部姿勢(shì)變化、光照變化、遮擋等情況導(dǎo)致的檢測(cè)效果不佳的問(wèn)題,另一方面面部檢測(cè)算法解決了追蹤算法的漂移問(wèn)題。此外,結(jié)合跟蹤算法的面部檢測(cè)器可以減少面部檢測(cè)次數(shù),進(jìn)而減少檢測(cè)所消耗的時(shí)間。（2）使用卷積神經(jīng)網(wǎng)絡(luò)與長(zhǎng)短期記憶網(wǎng)絡(luò)構(gòu)建... 

【文章來(lái)源】：西安工業(yè)大學(xué)陜西省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

灰度化前后的圖像

西安工業(yè)大學(xué)碩士學(xué)位論文采集、傳輸?shù)冗^(guò)程中，可能會(huì)產(chǎn)生不同的噪聲，而這些噪效果，因此在圖像預(yù)處理中需要進(jìn)行去噪處理，盡可能減的去噪方法有中值濾波、均值濾波和高斯濾波。由于均值化邊緣信息，而中值濾波對(duì)孤立的噪聲像素的消除能力較保持圖像的細(xì)節(jié)。所以本文采用的去噪方法為中值濾波。某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域，也可以為圓形像素的灰度值按大小排序，另其中間值為中心像素灰度的數(shù)為奇數(shù)，則以其中間值作為中值；如果元素的個(gè)數(shù)是偶作為中值。之后處理下一個(gè)像素的鄰域，這樣就可以完成如圖 2.7 所示。

圖 2.8 直方圖均衡化前后的圖像像處理前后的效果變化可以看出，通過(guò)直方圖均衡化處理后節(jié)也更清晰，而且像素點(diǎn)在不同灰度級(jí)上的分布也更加均勻測(cè)面部區(qū)域?qū)﹄S后的面部特征提取和疲勞識(shí)別有重要的意義所提的模型的魯棒性是很重要的。由于面部檢測(cè)算法在檢測(cè)的情況，而且檢測(cè)速度較慢，因此本文將 Viola-Jones 面部檢以解決面部檢測(cè)器存在的問(wèn)題。該面部檢測(cè)系統(tǒng)的主要思想測(cè)器對(duì)圖像序列的第 1 幀進(jìn)行面部區(qū)域檢測(cè)，將檢測(cè)出的面算法的跟蹤目標(biāo)，對(duì)第 2 幀至第 N 幀的待測(cè)圖像進(jìn)行追蹤，最相近的區(qū)域，并認(rèn)為該區(qū)域就是目標(biāo)，對(duì)檢測(cè)出的區(qū)域進(jìn)行中。為了避免追蹤器的漂移問(wèn)題，在實(shí)驗(yàn)中設(shè)定每一次初始化當(dāng)大于 N 時(shí)，就意味著面部檢測(cè)器要重新檢測(cè)出新的面部區(qū)檢測(cè)流程如圖 2.9 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于眼睛和嘴巴狀態(tài)的駕駛員疲勞檢測(cè)算法[J]. 鄔敏杰,穆平安,張彩艷.  計(jì)算機(jī)應(yīng)用與軟件. 2013(03)
[2]基于隱馬爾可夫模型（HMM）的人臉表情識(shí)別[J]. 王沖,李一民,楊霞.  通信技術(shù). 2007(11)
[3]人臉檢測(cè)方法綜述[J]. 趙麗紅,劉紀(jì)紅,徐心和.  計(jì)算機(jī)應(yīng)用研究. 2004(09)
[4]信息融合理論的基本方法與進(jìn)展[J]. 潘泉,于昕,程詠梅,張洪才.  自動(dòng)化學(xué)報(bào). 2003(04)
[5]數(shù)據(jù)融合方法綜述及展望[J]. 曲曉慧,安鋼.  艦船電子工程. 2003(02)
[6]一種基于知識(shí)的快速人臉檢測(cè)方法[J]. 姜軍,張桂林.  中國(guó)圖象圖形學(xué)報(bào). 2002(01)
[7]基于區(qū)域特征的快速人臉檢測(cè)法[J]. 盧春雨,張長(zhǎng)水,聞芳,閻平凡.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 1999(01)

博士論文
[1]基于投影光柵的復(fù)雜面形三維測(cè)量方法研究[D]. 劉忠艷.東北農(nóng)業(yè)大學(xué) 2018

碩士論文
[1]基于面部行為分析的駕駛員疲勞檢測(cè)方法研究[D]. 蘇靜靜.天津工業(yè)大學(xué) 2017
[2]基于AdaBoost算法的自動(dòng)人臉檢測(cè)與識(shí)別[D]. 張成功.天津師范大學(xué) 2008



本文編號(hào)：3248107