發(fā)布時(shí)間：2022-02-24 16:16

　　隨著人們生活水平的提高,社會(huì)生產(chǎn)技術(shù)的不斷革新,汽車已經(jīng)進(jìn)入尋常百姓家并成為家庭出行的重要交通工具,但是與此同時(shí),交通事故的發(fā)生頻率逐年攀升,每年都會(huì)有很多人在交通事故中喪命。疲勞駕駛與分心駕駛這兩種不安全駕駛行為是導(dǎo)致交通事故發(fā)生的重要原因,這也使其獲得各個(gè)國(guó)家重視,成為交通安全問(wèn)題研究領(lǐng)域急需解決的重要難題。本文調(diào)研了國(guó)內(nèi)外疲勞檢測(cè)與分心檢測(cè)的方法,并進(jìn)行比較分析、綜合利弊,利用OpenFace2.0面部行為分析工具,研發(fā)了一種非接觸式、實(shí)時(shí)有效的駕駛員不安全行為檢測(cè)預(yù)警系統(tǒng)。該系統(tǒng)首先利用基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)模型的人臉檢測(cè)方法實(shí)現(xiàn)人臉檢測(cè),再使用約束局部神經(jīng)域模型算法定位出駕駛員的面部特征點(diǎn),其次依據(jù)相機(jī)標(biāo)定與直接最小二乘法實(shí)現(xiàn)頭部姿態(tài)估計(jì),通過(guò)瞳孔中心和眼球中心所在直線與眼球表面的交點(diǎn)實(shí)現(xiàn)眼睛注視方向估計(jì)。根據(jù)眼睛縱橫比、嘴巴縱橫比、頭部偏航角以及眼睛注視向下角的疲勞狀態(tài)與分心狀態(tài)的特征對(duì)駕駛員不安全行為實(shí)現(xiàn)預(yù)警。論文中對(duì)人臉檢測(cè)與特征點(diǎn)檢測(cè)算法效果進(jìn)行驗(yàn)證。在日間光照條件下,通過(guò)實(shí)驗(yàn)得出眼睛縱橫比、嘴巴縱橫比、頭部偏航角以及眼睛注視向下角的合理閾值,依據(jù)疲勞與分心狀態(tài)的時(shí)間... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 疲勞駕駛與分心駕駛的概念
        1.2.1 疲勞駕駛概念
        1.2.2 分心駕駛概念
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 國(guó)內(nèi)研究現(xiàn)狀
        1.3.2 國(guó)外研究現(xiàn)狀
        1.3.3 研究現(xiàn)狀分析
    1.4 論文研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)安排
2 人臉檢測(cè)與特征點(diǎn)定位
    2.1 人臉檢測(cè)方法概述
    2.2 基于MTCNN的人臉檢測(cè)算法
        2.2.1 基本原理
        2.2.3 檢測(cè)流程
    2.3 人臉檢測(cè)算法效果對(duì)比分析
    2.4 人臉特征點(diǎn)定位方法概述
    2.5 基于CLNF的人臉特征點(diǎn)定位算法
        2.5.1 基本原理
        2.5.2 擬合過(guò)程
    2.6 MTCNN與 CLNF算法結(jié)合的檢測(cè)效果分析
    2.7 本章小結(jié)
3 疲勞特征提取及疲勞狀態(tài)判定
    3.1 駕駛員眼睛特征提取方法
        3.1.1 眼睛縱橫比值計(jì)算
        3.1.2 眼睛狀態(tài)判定
    3.2 駕駛員嘴巴特征提取方法
        3.2.1 嘴巴縱橫比值計(jì)算
        3.2.2 嘴巴狀態(tài)判定
    3.3 疲勞狀態(tài)判定
        3.3.1 基于眼睛特征的疲勞判定
        3.3.2 基于嘴巴特征的疲勞判定
    3.4 本章小結(jié)
4 分心特征提取及分心狀態(tài)判定
    4.1 駕駛員頭部分心特征提取方法
        4.1.1 頭部姿態(tài)計(jì)算
        4.1.2 基于頭部姿態(tài)特征的分心狀態(tài)判定
    4.2 駕駛員眼睛分心特征提取方法
        4.2.1 眼睛注視方向計(jì)算
        4.2.2 基于眼睛注視方向特征的分心狀態(tài)判定
    4.3 本章小結(jié)
5 演示系統(tǒng)設(shè)計(jì)及分析
    5.1 系統(tǒng)設(shè)計(jì)
        5.1.1 系統(tǒng)需求分析
        5.1.2 系統(tǒng)總體設(shè)計(jì)
        5.1.3 系統(tǒng)開(kāi)發(fā)環(huán)境
    5.2 實(shí)驗(yàn)分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]我國(guó)2004-2015年交通事故影響因素實(shí)證研究[J]. 孫麗璐,吳奇,趙娟,陳甜,王霜,趙輝.  西南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(11)
[2]認(rèn)知分心時(shí)駕駛?cè)藨?yīng)激反應(yīng)特征分析[J]. 呂愛(ài)紅,馬勇,李騰飛,張雅麗.  中國(guó)安全科學(xué)學(xué)報(bào). 2018(07)
[3]手機(jī)打車軟件操作駕駛分心檢測(cè)模型研究[J]. 唐智慧,王志鵬,黨珊,朱翠翠.  交通運(yùn)輸工程與信息學(xué)報(bào). 2018(01)
[4]基于人臉關(guān)鍵點(diǎn)的疲勞駕駛檢測(cè)研究[J]. 黃家才,曠文騰,毛寬誠(chéng).  南京工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(04)
[5]基于嵌入式平臺(tái)的人臉疲勞檢測(cè)算法[J]. 周未,王凌云,張桐瑄,王存睿,吳旭.  大連民族大學(xué)學(xué)報(bào). 2017(03)
[6]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)
[7]基于多特征融合的駕駛員狀態(tài)檢測(cè)的實(shí)現(xiàn)[J]. 許鵬程,李志斌,黃啟韜,周奕軒,吳文峰.  電子技術(shù)應(yīng)用. 2017(04)
[8]駕駛?cè)艘曈X(jué)分心與認(rèn)知分心研究綜述[J]. 劉卓凡,付銳,程文冬,吳付威.  中國(guó)安全科學(xué)學(xué)報(bào). 2015(07)
[9]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)

碩士論文
[1]基于3D CNN的疲勞駕駛預(yù)警系統(tǒng)的研究[D]. 王青.南京郵電大學(xué) 2019
[2]基于腦電信號(hào)多熵特征的駕駛疲勞檢測(cè)模型研究[D]. 王海玉.江西農(nóng)業(yè)大學(xué) 2019
[3]基于面部特征的疲勞駕駛檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 李慶臣.鄭州大學(xué) 2019
[4]基于視覺(jué)特征的駕駛員分心駕駛行為甄別方法研究[D]. 姚瑩.北京工業(yè)大學(xué) 2017
[5]基于人臉特征點(diǎn)的駕駛員疲勞檢測(cè)算法研究[D]. 徐妙語(yǔ).河南大學(xué) 2017
[6]基于實(shí)車方向盤(pán)操作特征的疲勞駕駛檢測(cè)方法研究[D]. 賈麗娟.清華大學(xué) 2017
[7]基于人臉特征的駕駛員疲勞檢測(cè)算法與實(shí)現(xiàn)[D]. 黃斌.南京航空航天大學(xué) 2017
[8]基于人臉識(shí)別駕駛員疲勞檢測(cè)系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D]. 才博.大連理工大學(xué) 2016
[9]基于駕駛操作及車輛狀態(tài)的疲勞駕駛行為檢測(cè)研究[D]. 黃皓.東南大學(xué) 2016
[10]駕駛員疲勞駕駛實(shí)時(shí)檢測(cè)系統(tǒng)設(shè)計(jì)與研究[D]. 周鵬飛.長(zhǎng)春工業(yè)大學(xué) 2016



本文編號(hào)：3643080