基于神經(jīng)網(wǎng)絡(luò)的非接觸式疲勞駕駛檢測(cè)已成為當(dāng)前針對(duì)疲勞駕駛檢測(cè)領(lǐng)域炙手可熱的研究方向。它有效解決了接觸式疲勞檢測(cè)方法給駕駛員帶來(lái)的干擾以及單一信號(hào)源對(duì)于反映疲勞程度可靠性低的問(wèn)題,同時(shí)通過(guò)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型對(duì)多源信息進(jìn)行分類,實(shí)現(xiàn)對(duì)疲勞狀態(tài)的高精度和高速度的檢測(cè)。選取合適的特征值對(duì)網(wǎng)絡(luò)檢測(cè)準(zhǔn)確率以及準(zhǔn)確反映疲勞程度至關(guān)重要。基于駕駛員生理信號(hào)檢測(cè)可靠性和準(zhǔn)確性較高。但是,通過(guò)在身體上貼上電極來(lái)采集生理信號(hào)仍然會(huì)對(duì)駕駛員造成干擾。另外生理信號(hào)存在不同個(gè)體在同一疲勞狀態(tài)下生理信號(hào)差異巨大以及不同個(gè)體在不同疲勞狀態(tài)下生理信號(hào)差異微小的問(wèn)題,直接將原始生理信號(hào)的特征值作為網(wǎng)絡(luò)輸入對(duì)于分類的精度會(huì)降低。因此,對(duì)特征值進(jìn)行預(yù)處理是很有必要的。鑒于上述問(wèn)題,本文提出了一種基于極限學(xué)習(xí)機(jī)的非接觸式檢測(cè)駕駛員疲勞狀態(tài)的方法,該方法可以有效的提高對(duì)疲勞狀態(tài)的檢測(cè)準(zhǔn)確度。該方法主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)訓(xùn)練三部分組成。數(shù)據(jù)采集部分采用多普勒雷達(dá)模塊采集駕駛員的生理信號(hào);數(shù)據(jù)處理部分采用專家評(píng)測(cè)方法對(duì)數(shù)據(jù)分類,并進(jìn)行預(yù)處理和特征提取,在保證數(shù)據(jù)在誤差可控范圍內(nèi)對(duì)數(shù)據(jù)進(jìn)行特征變換,有效解決個(gè)體差異問(wèn)題。設(shè)計(jì)正... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無(wú)駕駛員時(shí)采集的雷達(dá)信號(hào)

杭州電子科技大學(xué)碩士學(xué)位論文景取材于駕校實(shí)地拍攝畫面，市區(qū)、居民小區(qū)、高速公路、雪天環(huán)境、夜間駕駛、惡劣雨雪天氣，并采用3D技術(shù)真實(shí)呈現(xiàn)。畫面正前方顯示虛擬駕駛運(yùn)行環(huán)境、交通狀況、交通信號(hào)燈、交通標(biāo)識(shí)、天氣狀況等；畫面下方顯示汽車方向盤、儀表板。監(jiān)控系統(tǒng)采用1200萬(wàn)像素的攝像頭，用來(lái)采集駕駛員面部信息。該視頻信號(hào)要與生理信號(hào)同步。該視頻信號(hào)作為后面專家評(píng)判駕駛員疲勞等級(jí)的主要依據(jù)，視頻信號(hào)與生理信號(hào)同步是方便對(duì)生理信號(hào)打標(biāo)簽。多普勒雷達(dá)系統(tǒng)以微波多普勒雷達(dá)探測(cè)器探頭傳感器HB100模塊為核心，用于采集駕駛員的生理信號(hào)。雷達(dá)信號(hào)中包括人體呼吸信號(hào)、心跳信號(hào)等生理信號(hào)以及噪聲信號(hào)。需要從雷達(dá)信號(hào)中分離出生理信號(hào)。2.2雷達(dá)模塊調(diào)試生理信號(hào)采集平臺(tái)的核心部分就是使用多普勒雷達(dá)采集駕駛員的生理信號(hào)。所以必須要驗(yàn)證該雷達(dá)模塊的有效性。只有確保該模塊采集到的雷達(dá)信號(hào)的有效性才能進(jìn)行后續(xù)的實(shí)驗(yàn)。所以要設(shè)計(jì)實(shí)驗(yàn)來(lái)驗(yàn)證兩部分內(nèi)容：是否能夠成功采集到生理信號(hào)和噪聲是否會(huì)覆蓋有效的生理信號(hào)。由此筆者做了以下三個(gè)測(cè)試。測(cè)試一：無(wú)駕駛員在模擬駕駛器上駕駛時(shí)，觀察雷達(dá)信號(hào)。雷達(dá)信號(hào)如圖2.2所示。圖2.2無(wú)駕駛員時(shí)采集的雷達(dá)信號(hào)通過(guò)圖2.2可以看出，雷達(dá)信號(hào)除了少量噪聲信號(hào)外幾乎是無(wú)有效信號(hào)輸出的。由此可以得出結(jié)論：在實(shí)驗(yàn)環(huán)境下，無(wú)駕駛員的情況下，雷達(dá)模塊可以正常工作，并且能夠得到較平穩(wěn)的輸出信號(hào)，即無(wú)有效信號(hào)輸出。測(cè)試二：有駕駛員在模擬駕駛器上，且駕駛員正常呼吸，觀察雷達(dá)信號(hào)。雷達(dá)信號(hào)如圖2.3所示。圖2.3駕駛員正常呼吸時(shí)采集的雷達(dá)信號(hào)7

杭州電子科技大學(xué)碩士學(xué)位論文通過(guò)圖2.3可以看出，雷達(dá)信號(hào)的輸出呈周期性變化，符合正常人體的呼吸規(guī)律。由于心跳信號(hào)和噪聲信號(hào)相較于呼吸信號(hào)是很微小的信號(hào)，從波形上能夠微弱的反映出心跳信號(hào)和噪聲信號(hào)的存在。由此可以得出結(jié)論：在實(shí)驗(yàn)環(huán)境下，駕駛員正常呼吸的情況下，雷達(dá)模塊可以正常工作，并且能夠得到較理想的輸出信號(hào)，即能夠采集到包含駕駛員生理信號(hào)和少量噪聲信號(hào)的雷達(dá)信號(hào)。測(cè)試三：有駕駛員在模擬駕駛器上，且駕駛員屏住呼吸，觀察雷達(dá)信號(hào)。雷達(dá)信號(hào)如圖2.4所示。圖2.4駕駛員屏住呼吸時(shí)采集的雷達(dá)信號(hào)通過(guò)圖2.4可以看出，雷達(dá)信號(hào)的輸出無(wú)明顯規(guī)律。但通過(guò)與圖2.2比較可以明顯看出，駕駛員屏住呼吸時(shí)雷達(dá)采集到信號(hào)明顯波動(dòng)更大，由此表明，在去除噪聲的情況下，剩下的信號(hào)就是人體的心跳信號(hào)。由此可以得出結(jié)論：在實(shí)驗(yàn)環(huán)境下，駕駛員屏住呼吸的情況下，雷達(dá)模塊可以正常工作，并且能夠采集到駕駛員的心跳信號(hào)，但是心跳信號(hào)較微弱，且當(dāng)噪聲比較大時(shí)，可能會(huì)影響到心跳信號(hào)的采集，所以在采集信號(hào)時(shí)要盡可能減少噪聲的輸入。通過(guò)上述三個(gè)測(cè)試，可以看出采用多普勒雷達(dá)模塊能夠成功采集到駕駛員的生理信號(hào)。對(duì)于呼吸信號(hào)而言，通過(guò)雷達(dá)信號(hào)能夠較直觀的反映出來(lái)。而對(duì)于心跳信號(hào)，由于心跳信號(hào)很微弱，當(dāng)實(shí)驗(yàn)環(huán)境下噪聲很大時(shí)，很有可能把心跳信號(hào)覆蓋，這對(duì)于后面特征提取很不方便。因此，在采集信號(hào)時(shí)，要盡可能保證實(shí)驗(yàn)環(huán)境的穩(wěn)定，減少不必要的噪聲輸入。2.3生理信號(hào)采集整個(gè)生理信號(hào)采集實(shí)驗(yàn)平臺(tái)搭建完成并通過(guò)調(diào)試后，需要安排實(shí)驗(yàn)人員進(jìn)行生理信號(hào)的采集。由于本實(shí)驗(yàn)平臺(tái)主要是采集駕駛員的生理信號(hào)，并且是要通過(guò)生理信號(hào)能夠反映出駕駛員的疲勞狀態(tài)。而疲勞狀態(tài)是很難通過(guò)主觀感受界定的，即不能由駕駛員根據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積網(wǎng)絡(luò)的目標(biāo)檢測(cè)綜述[J]. 吳帥,徐勇,趙東寧.  模式識(shí)別與人工智能. 2018(04)
[2]基于SSD網(wǎng)絡(luò)模型的多目標(biāo)檢測(cè)算法[J]. 蔡漢明,趙振興,韓露,曾祥永.  機(jī)電工程. 2017(06)
[3]資源境內(nèi)連發(fā)三起交通事故 均由疲勞駕駛引起[J]. 孫盛峰,易璋.  駕駛園. 2016(08)
[4]基于視覺(jué)的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[5]一個(gè)感知機(jī)神經(jīng)網(wǎng)絡(luò)字符識(shí)別器的實(shí)現(xiàn)[J]. 楊戈,張威強(qiáng),黃靜.  電子技術(shù)應(yīng)用. 2015(03)
[6]深度學(xué)習(xí)的目標(biāo)與評(píng)價(jià)體系構(gòu)建[J]. 張浩,吳秀娟,王靜.  中國(guó)電化教育. 2014(07)
[7]心電信號(hào)處理數(shù)字濾波方法研究[J]. 馮冬青,杜云龍.  微計(jì)算機(jī)信息. 2008(07)

博士論文
[1]基于信息融合的疲勞駕駛檢測(cè)方法研究[D]. 牛清寧.吉林大學(xué) 2014
[2]基于多普勒雷達(dá)的非接觸式生命體征檢測(cè)技術(shù)研究[D]. 胡巍.中國(guó)科學(xué)技術(shù)大學(xué) 2014

碩士論文
[1]公交車人群計(jì)數(shù)系統(tǒng)的研究與實(shí)現(xiàn)[D]. 范偉.西南交通大學(xué) 2018
[2]基于多維標(biāo)簽與分類排序的推薦算法研究及實(shí)現(xiàn)[D]. 劉皓熙.華南理工大學(xué) 2017
[3]基于多源信息融合的非接觸式疲勞駕駛檢測(cè)系統(tǒng)研究[D]. 楊希寧.杭州電子科技大學(xué) 2017
[4]極限學(xué)習(xí)機(jī)及其在無(wú)線頻譜預(yù)測(cè)中的應(yīng)用研究[D]. 呂娜.蘭州大學(xué) 2014
[5]基于典型交通事故分析的汽車運(yùn)行風(fēng)險(xiǎn)研究[D]. 李甫.吉林大學(xué) 2013
[6]生物雷達(dá)非接觸檢測(cè)中呼吸和心跳信號(hào)分離算法研究[D]. 張華.第四軍醫(yī)大學(xué) 2012
[7]穿墻生命探測(cè)雷達(dá)信號(hào)處理硬件設(shè)計(jì)[D]. 張成立.西安電子科技大學(xué) 2011
[8]基于方向盤轉(zhuǎn)角信號(hào)的駕駛員疲勞監(jiān)測(cè)裝置研制[D]. 谷也.哈爾濱工業(yè)大學(xué) 2009
[9]生命探測(cè)雷達(dá)信號(hào)處理硬件設(shè)計(jì)[D]. 左強(qiáng).西安電子科技大學(xué) 2006



本文編號(hào)：3403031