疲勞是指機(jī)體生理機(jī)能出現(xiàn)衰退的現(xiàn)象,在駕駛領(lǐng)域,每年因疲勞駕駛造成的交通事故數(shù)量巨大�；趩我恍畔⑻卣鞯钠跈z測(cè)方式易受人體行為以及環(huán)境因素的影響,檢測(cè)系統(tǒng)的準(zhǔn)確率以及穩(wěn)定性不高,因此目前疲勞檢測(cè)的研究趨勢(shì)是結(jié)合多種信息特征的綜合檢測(cè)手段。本文結(jié)合視覺(jué)特征以及腦電特征進(jìn)行人體疲勞檢測(cè),具有重要的理論意義和應(yīng)用價(jià)值。在基于視覺(jué)特征的疲勞檢測(cè)研究中,針對(duì)目前人眼定位速率較慢,人眼狀態(tài)識(shí)別率不足的問(wèn)題,提出了一種灰度積分投影結(jié)合區(qū)域-卷積神經(jīng)網(wǎng)絡(luò)的人眼定位方法,該方法首先采用灰度積分投影進(jìn)行人眼的粗定位,然后將粗定位得到的人眼候選區(qū)域輸入?yún)^(qū)域-卷積神經(jīng)網(wǎng)絡(luò)完成了人眼定位;采用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)完成了人眼的特征點(diǎn)檢測(cè),根據(jù)人眼特征點(diǎn),實(shí)現(xiàn)了單幀視頻的人眼狀態(tài)檢測(cè);根據(jù)人眼狀態(tài)在時(shí)間序列上的變化提取疲勞特征并通過(guò)支持向量機(jī)（Support Vector Machine,SVM）訓(xùn)練了基于人眼視覺(jué)特征的單模態(tài)疲勞檢測(cè)模型,完成了基于視頻流的人體疲勞狀態(tài)識(shí)別。實(shí)驗(yàn)結(jié)果表明,與常用的Gabor+SVM等算法相比,本文提出的人眼定位算法有效提高了人眼定位精度和速率,利用人眼特征點(diǎn)的人眼狀態(tài)檢測(cè)具有較好的... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于視覺(jué)特征的疲勞檢測(cè)流程

圖 2.2 RGB 空間模型空間結(jié)構(gòu)最為簡(jiǎn)單，空間中可以表示大部分顏色，但度、亮度、飽和度等信息，因此對(duì)背景環(huán)境的魯棒性境下膚色檢測(cè)效果難以滿(mǎn)足檢測(cè)要求。文獻(xiàn)[32]在進(jìn)行了膚色檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明在 HSV 顏色空色檢測(cè)結(jié)果相似，但是膚色點(diǎn)在 YCbCr 空間下聚的更r 空間來(lái)進(jìn)行膚色檢測(cè)�？臻g的選擇，膚色模型也是影響膚色檢測(cè)的一個(gè)重要一種常用的參數(shù)化建模方法，也是目前膚色檢測(cè)中常為簡(jiǎn)單高斯模型以及混合高斯模型。模型假設(shè)膚色分布服從單高斯分布，利用統(tǒng)計(jì)分析預(yù)的方法包括如期望最大化(Expectation-Maximizatio[33]

位論文 第 2 章 基于改進(jìn)卷積神經(jīng)網(wǎng)提取()()(|)1inkiP x P Px 間以及膚色模型的分析，本文采用基于 YCb色檢測(cè)，對(duì)經(jīng)過(guò)膚色檢測(cè)的圖像進(jìn)行腐蝕、遍歷圖像像素，將結(jié)構(gòu)元素與覆蓋的圖像像素噪點(diǎn)。膨脹的原理與腐蝕類(lèi)似，利用 3 3 的填補(bǔ)前景目標(biāo)中的細(xì)微斷裂。本文的膚色檢測(cè)過(guò)膚色檢測(cè)往往難以直接獲得人臉區(qū)域，同此本文對(duì)經(jīng)過(guò)膚色檢測(cè)的圖像中的聯(lián)通區(qū)域

【參考文獻(xiàn)】：
期刊論文
[1]Training and Testing Object Detectors With Virtual Images[J]. Yonglin Tian,Xuan Li,Kunfeng Wang,Fei-Yue Wang.  IEEE/CAA Journal of Automatica Sinica. 2018(02)
[2]負(fù)熵最大化條件下的語(yǔ)音信號(hào)盲源分離技術(shù)研究[J]. 閆姝,徐巖.  自動(dòng)化儀表. 2017(10)
[3]基于面部行為分析的駕駛員疲勞檢測(cè)方法[J]. 耿磊,袁菲,肖志濤,張芳,吳駿,李月龍.  計(jì)算機(jī)工程. 2018(01)
[4]基于張量的2D-PCA人臉識(shí)別算法[J]. 葉學(xué)義,王大安,宦天樞,夏經(jīng)文,顧亞風(fēng).  計(jì)算機(jī)工程與應(yīng)用. 2017(06)
[5]信息融合發(fā)展沿革與技術(shù)動(dòng)態(tài)[J]. 趙宗貴,李君靈.  指揮信息系統(tǒng)與技術(shù). 2017(01)
[6]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[7]面部多特征融合的駕駛員疲勞檢測(cè)方法[J]. 周云鵬,朱青,王耀南,盧笑,凌志剛.  電子測(cè)量與儀器學(xué)報(bào). 2014(10)
[8]基于極大似然偏差去除的FastICA算法[J]. 劉克,田學(xué)民,蔡連芳,張銀雪.  計(jì)算機(jī)仿真. 2013(12)
[9]改進(jìn)的高斯膚色模型及其在人臉檢測(cè)中的應(yīng)用[J]. 劉春生,常發(fā)亮,陳振學(xué),李爽.  儀器儀表學(xué)報(bào). 2012(05)
[10]疲勞駕駛與交通事故關(guān)系[J]. 李都厚,劉群,袁偉,劉浩學(xué).  交通運(yùn)輸工程學(xué)報(bào). 2010(02)

碩士論文
[1]基于腦電信號(hào)的腦疲勞狀態(tài)研究[D]. 于向洋.杭州電子科技大學(xué) 2017
[2]基于駕駛行為的疲勞駕駛檢測(cè)方法研究[D]. 金雪.北京工業(yè)大學(xué) 2015
[3]嵌入式駕駛員疲勞檢測(cè)系統(tǒng)應(yīng)用軟件設(shè)計(jì)與實(shí)現(xiàn)[D]. 徐明.鄭州大學(xué) 2014
[4]駕駛疲勞測(cè)評(píng)方法研究及其DSP實(shí)現(xiàn)[D]. 王洪濤.武漢理工大學(xué) 2007
[5]基于Adaboost算法的數(shù)字識(shí)別技術(shù)的研究與應(yīng)用[D]. 趙萬(wàn)鵬.中國(guó)科學(xué)院研究生院（成都計(jì)算機(jī)應(yīng)用研究所） 2006



本文編號(hào)：2980428