本文關(guān)鍵詞：基于面部特征的疲勞駕駛預警系統(tǒng)的研究

  更多相關(guān)文章： 疲勞駕駛 MATLAB 人臉檢測 人眼定位 人嘴定位 改進的“三庭五眼” 法 DS證據(jù)理論算法

【摘要】：自從上世紀70年代末以來,人民的可支配收入也越來越多,汽車作為現(xiàn)代交通工具,早已不是什么稀罕物件。截至2014年年底,我國的機車保有量為2.64億輛,其中汽車的數(shù)量為1.54億輛。人民出行更加方便,同時交通事故幾乎每天充斥著我們的生活,輕者傷筋動骨,重者家破人亡,交通事故已然成為了一個社會問題�，F(xiàn)代快節(jié)奏的都市生活,使人們精神難以集中,特別是在長途旅途駕駛中,人們身心具備,特別容易疲勞,許多交通事故就是在這樣的情況下發(fā)生的。特別是在一些特大交通事故中,疲勞駕駛引起的交通事故更是占據(jù)了很大的比率。因此,研究出一種有效的疲勞駕駛預警系統(tǒng),減少因疲勞駕駛引起的交通事故,提高駕駛員的安全性,迫在眉睫。本文在分析了國內(nèi)外疲勞駕駛研究的現(xiàn)狀之后,根據(jù)人的面部器官分布位置和狀態(tài)進行分析,然后在軟件MATLAB上做仿真驗證試驗,得到了令人滿意的結(jié)果。本文所做的研究內(nèi)容如下：(1)本文首先根據(jù)國內(nèi)由于疲勞駕駛引起的諸多負面因素分析論文的研究背景及意義；其次根據(jù)大量文獻分析了當下國內(nèi)和國外對該課題的研究現(xiàn)狀;最后淺談疲勞駕駛預警系統(tǒng)研究和發(fā)展的方向。(2)根據(jù)人臉膚色的特征,比較了幾種常見的顏色空間模型,由于人臉膚色各異,但因都是亮度引起的,故本文根據(jù)YCbCr顏色空間,建立高斯模型,提取人臉；由于Adaboost算法能夠濾除部分小的對膚色識別有干擾的部分,因此本文對Adaboost算法也進行了研究；模板匹配法是根據(jù)人臉灰度的平均值,將事先準備好的人臉模板與得到的圖片做比較,相關(guān)性越小,得到的圖片與模板圖片越像。本文為了得到更加準備的人臉圖片,方便后續(xù)特征提取,將這三種方法進行融合,能夠快速準確的得到人臉圖片,實驗結(jié)果表明魯棒性很強。(3)接下來本文就分析和研究了眼睛和嘴巴的特征,并對眼睛和嘴巴進行定位檢測；首先在分析常見的定位方法之后,為了考慮快速性,基于前文所做的努力,提出了基于改進的“三庭五眼”法定位眼睛和嘴巴,再將圖片二值化,根據(jù)眼睛和嘴巴的輪廓,準確提取眼睛和嘴巴。(4)正確定位好眼睛和嘴巴之后,接下來就是分析它們的狀態(tài)是疲勞還是非疲勞狀態(tài)。對于眼睛,本文采用經(jīng)典判斷眼睛疲勞的算法,即PERCLOS算法；對于嘴巴,本文則是根據(jù)模板匹配法,即事先準備好嘴巴張開到什么程度是張開,什么程度是閉合的模板,然后將得到的人嘴圖片與之做匹配。(5)單一條件的判斷,不管是根據(jù)眼睛和嘴巴,都很難做到準確的判斷,駕駛員到底是疲勞還是非疲勞狀態(tài),信息融合技術(shù)彌補了這種缺陷.。本文在分析研究了幾種常見的信息融合算法之后,采取了DS證據(jù)理論推理算法,將眼睛和嘴巴的狀態(tài)通過DS算法進行融合,然后綜合判斷駕駛員到底是疲勞駕駛還是非疲勞駕駛。本文充分考慮了人臉提取及面部特征(眼睛和嘴巴)的定位,以及眼睛和嘴巴的狀態(tài)分析,最后通過DS算法將眼睛和嘴巴的狀態(tài)進行信息融合,綜合考慮二者的狀態(tài),最后判斷駕駛員是否疲勞。
【關(guān)鍵詞】：疲勞駕駛 MATLAB 人臉檢測 人眼定位 人嘴定位 改進的“三庭五眼” 法 DS證據(jù)理論算法
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6;TP277
【目錄】：

• 摘要5-8
• ABSTRACT8-13
• 第1章 緒論13-23
• 1.1 論文的研究背景和意義13-16
• 1.2 疲勞駕駛預警系統(tǒng)的研究情況及未來發(fā)展導向16-20
• 1.2.1 疲勞駕駛概述16-17
• 1.2.2 國外研究情況17-19
• 1.2.3 國內(nèi)研究情況19
• 1.2.4 研究疲勞駕駛預警系統(tǒng)的趨勢19-20
• 1.3 本文的結(jié)構(gòu)安排及主要內(nèi)容20-22
• 1.4 本章小結(jié)22-23
• 第2章 人臉檢測方法研究23-35
• 2.1 顏色空間24-26
• 2.1.1 幾種常用顏色空間24-26
• 2.1.2 YCbCr顏色空間26
• 2.2 基于膚色的人臉圖像分割26-28
• 2.2.1 高斯模型26-27
• 2.2.2 基于膚色分割27-28
• 2.3 Adaboost算法28-30
• 2.4 模板匹配方法30-32
• 2.5 基于三種混合方法的實驗結(jié)果32-34
• 2.6 本章小結(jié)34-35
• 第3章 人眼檢測及狀態(tài)分析35-42
• 3.1 常見人眼檢測算法35-39
• 3.1.0 霍夫(Hough)變換法35-36
• 3.1.1 積分投影法36-37
• 3.1.2 閾值分割法37-38
• 3.1.3 改進的“三庭五眼”法38-39
• 3.2 根據(jù)人眼疲勞判斷39-41
• 3.3 本章小結(jié)41-42
• 第4章 人嘴檢測及狀態(tài)分析42-47
• 4.1 常見的人嘴檢測算法43-44
• 4.1.1 基于Fisher準則的人嘴定位算法43
• 4.1.2 基于AAM算法的人嘴定位算法43-44
• 4.1.3 基于人臉幾何分布特征的定位算法44
• 4.2 基于改進的“三庭五眼”法檢測人嘴44-45
• 4.3 人嘴狀態(tài)的判斷45-46
• 4.4 本章小結(jié)46-47
• 第5章 信息融合技術(shù)在疲勞駕駛預警系統(tǒng)中的應用47-60
• 5.1 常見的信息融合技術(shù)簡介48-51
• 5.1.1 模糊推理算法48-49
• 5.1.2 可能性理論算法49-50
• 5.1.3 貝葉斯融合算法50-51
• 5.2 DS證據(jù)理論基礎(chǔ)概述51-55
• 5.2.1 DS證據(jù)理論的基本概念51-53
• 5.2.2 DS證據(jù)理論的組合規(guī)則53-55
• 5.3 基于DS證據(jù)理論的信息融合55-56
• 5.4 DS證據(jù)理論算法在疲勞駕駛中的應用56-59
• 5.4.1 DS證據(jù)理論算法的優(yōu)點56
• 5.4.2 DS證據(jù)理論算法在本文中的應用與計算56-59
• 5.5 本章小結(jié)59-60
• 第6章 總結(jié)與展望60-62
• 參考文獻62-66
• 致謝66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁圓;;人臉面部特征提取綜述[J];長江大學學報(自然科學版)理工卷;2008年04期

2 張志剛;周術(shù)誠;張志強;孫大鳴;;一種改進的面部特征定位方法[J];計算機應用與軟件;2009年03期

3 常虹;蔣建國;詹曙;;基于改進主動表現(xiàn)模型的人臉面部特征定位[J];電視技術(shù);2009年07期

4 劉峰;;基于面部特征的性別鑒別方法研究[J];計算機光盤軟件與應用;2013年05期

5 張春雨,陳綿書,陳賀新;基于流水分割的面部特征定位[J];計算機工程;2004年04期

6 莫劍宏;鄭麗;;基于面部特征的性別識別[J];社會心理科學;2010年Z2期

7 池強;朱永華;方昱春;;基于視頻序列的面部特征跟蹤系統(tǒng)的實現(xiàn)[J];計算機工程與設(shè)計;2011年11期

8 宋宇;劉美麗;龐柏梅;;一種人臉面部特征的提取方法[J];長春工業(yè)大學學報(自然科學版);2009年06期

9 章品正;徐琴珍;王征;;基于小波矩的面部特征匹配定位方法[J];計算機工程與應用;2007年26期

10 丁冬;高智商的家庭[J];個人電腦;1999年08期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 李燦東;蔡藝芳;;基于面部特征構(gòu)建中醫(yī)望診面部二維坐標體系[A];中國中西醫(yī)結(jié)合學會診斷專業(yè)委員會2009’年會論文集[C];2009年

2 王霞;溫有鋒;劉宇卓;楊洋;曹芳;;黑龍江富裕縣三家子村滿族成人頭面部特征[A];中國解剖學會2013年年會論文文摘匯編[C];2013年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 盧國強;北京:大中商場探頭須能辨面部特征[N];新華每日電訊;2011年

2 ;識別面部特征,猴有“專用”腦細胞[N];新華每日電訊;2006年

3 侯麗 編譯;人類對他人的信任感具有“自發(fā)性”[N];中國社會科學報;2014年

4 Jonathan Thomson;像中之象[N];美術(shù)報;2007年

5 編譯 任東華;為什么熟悉的面孔更親切[N];北京科技報;2005年

6 劉莉莉;FBI要建世界最大人類生物資料庫[N];新華每日電訊;2007年

7 記者 劉路沙;我國面像識別技術(shù)達國際先進水平[N];光明日報;2002年

8 本報記者 霍光;身份認證：從手指到人臉[N];中國計算機報;2009年

9 本報記者 聶翠蓉;生物識別讓罪犯無路可逃[N];科技日報;2005年

10 本報記者 蘇曉梅;打車遇違規(guī)，如何投訴最有效？[N];天津日報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 牛志恒;面部特征點定位方法研究[D];哈爾濱工業(yè)大學;2009年

2 王慶祥;基于Kinect的主動外觀模型及在表情動畫上的應用[D];山東大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 郭志芳;基于支持向量回歸的面部特征點定位算法[D];南昌航空大學;2015年

2 汪亞芬;多視角面部特征點定位研究與應用[D];上海交通大學;2015年

3 周鵬飛;駕駛員疲勞駕駛實時檢測系統(tǒng)設(shè)計與研究[D];長春工業(yè)大學;2016年

4 萬泉;面向立體顯示的人臉位置檢測算法[D];南京大學;2016年

5 羅聲平;基于面部特征的全天候疲勞駕駛檢測及預警系統(tǒng)的研究[D];福州大學;2014年

6 鐘偉;基于面部特征分析技術(shù)的地鐵安防監(jiān)控系統(tǒng)研究[D];暨南大學;2016年

7 馬英;基于面部特征的疲勞駕駛預警系統(tǒng)的研究[D];安徽工程大學;2016年

8 張海龍;基于彈性模板的民族面部特征研究[D];東北大學;2010年

9 劉慧;民族面部特征提取及其識別算法研究[D];東北大學;2009年

10 常虹;基于改進型主動外觀模型的面部特征定位與人臉識別方法研究[D];合肥工業(yè)大學;2009年

，

本文編號：639837