隨著經(jīng)濟(jì)與科技的高速發(fā)展,為了方便出行,私家車已經(jīng)成為家家必備之物。全球數(shù)據(jù)統(tǒng)計顯示,交通事故是導(dǎo)致非正常死亡的第一因素。全國公路交通安全管理局（National Highway Traffic Safety Administration）的一項研究結(jié)果表明,美國很大比例的交通事故,都是因駕駛員的疲勞駕駛所導(dǎo)致。所以,為了保障駕駛員以及路人的生命安全,研究疲勞駕駛實時檢測系統(tǒng)是一項刻不容緩的任務(wù),同時具有非凡的意義性。本文就疲勞駕駛的幾種方案進(jìn)行理論層次的研究,為了提高駕駛的安全性,通過對比國內(nèi)外已經(jīng)提出的幾種疲勞檢測算法,綜合其優(yōu)點,提出一種基于頭部姿態(tài)與面部特征的自適應(yīng)性疲勞駕駛檢測系統(tǒng),此系統(tǒng)可以實時檢測駕駛員的疲勞程度。疲勞駕駛檢測系統(tǒng)由兩個子系統(tǒng)組成,第一個子系統(tǒng)是面部特征檢測系統(tǒng),第二個子系統(tǒng)是頭部姿態(tài)檢測系統(tǒng)。本文此次研究的內(nèi)容分為以下六點:（1）將近20年的疲勞檢測方法進(jìn)行匯集整理,提出本文的疲勞檢測系統(tǒng)。（2）研究了Haar-like特征與Adaboost算法,該算法用于判斷駕駛員是否在座,實驗表明此算法可以能夠快速準(zhǔn)確的檢測駕駛艙中的人臉。同時研究EAR算法,此算法... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 課題國內(nèi)外研究現(xiàn)狀
        1.2.1 疲勞行為概念
        1.2.2 疲勞駕駛檢測方法研究現(xiàn)狀
        1.2.3 評價主體為駕駛員的疲勞檢測算法
        1.2.4 評價主體為車輛的疲勞檢測算法
    1.3 研究的主要內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 疲勞駕駛檢測系統(tǒng)及人臉檢測算法
    2.1 疲勞駕駛檢測系統(tǒng)簡介
        2.1.1 疲勞駕駛檢測系統(tǒng)設(shè)計原則
        2.1.2 本文提出的疲勞駕駛檢測系統(tǒng)
    2.2 人臉檢測
        2.2.1 Haar-like特征
        2.2.2 ADABOOST算法
    2.3 實驗結(jié)果
    2.4 本章小結(jié)
第三章 基于面部特征的疲勞駕駛檢測
    3.1 人臉檢測分類器改進(jìn)
        3.1.1 模擬駕駛環(huán)境介紹
        3.1.2 分類器參數(shù)的優(yōu)化
    3.2 面部特征
        3.2.1 EAR算法
        3.2.2 BFR算法
        3.2.3 MAR算法
    3.3 實驗結(jié)果
        3.3.1 眼部特征采集
        3.3.2 哈欠檢測
        3.3.3 聯(lián)合判斷系統(tǒng)
    3.4 本章小結(jié)
第四章 基于頭部姿態(tài)的疲勞駕駛檢測
    4.1 基于頭部姿態(tài)的疲勞駕駛
    4.2 頭部姿態(tài)特征概述
        4.2.1 歐拉角定義
        4.2.2 頭部姿態(tài)估計算法簡介
    4.3 相機(jī)的標(biāo)定
        4.3.1 三大坐標(biāo)系概述
        4.3.2 轉(zhuǎn)化原理
        4.3.3 相機(jī)標(biāo)定的實現(xiàn)
    4.4 基于羅德里格斯旋轉(zhuǎn)公式的頭部姿態(tài)算法
        4.4.1 算法原理
        4.4.2 疲勞狀態(tài)判斷
    4.5 實驗結(jié)果
    4.6 本章小結(jié)
第五章 疲勞駕駛系統(tǒng)的樹莓派仿真
    5.1 樹莓派平臺
    5.2 硬件和軟件環(huán)境搭建
        5.2.1 樹莓派系統(tǒng)安裝和配置
        5.2.2 Python庫函數(shù)安裝
        5.2.3 樹莓派桌面遠(yuǎn)程連接（用顯示器的話就不需要遠(yuǎn)程連接）
    5.3 算法實現(xiàn)效果
        5.3.1 EAR在樹莓派上的實現(xiàn)
        5.3.2 BFR在樹莓派上的實現(xiàn)
        5.3.3 MFR算法在樹莓派上的實現(xiàn)
        5.3.4 頭部姿態(tài)算法在樹莓派上的實現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄 :攻讀碩士期間參加的項目及成果


【參考文獻(xiàn)】：
期刊論文
[1]基于AdaBoost算法的人臉檢測系統(tǒng)設(shè)計[J]. 吳文俊,殷恒輝,陳麟.  軟件. 2018(10)
[2]一種基于卷積神經(jīng)網(wǎng)絡(luò)的哈欠檢測算法[J]. 馬素剛,趙琛,孫韓林,韓俊崗.  計算機(jī)科學(xué). 2018(S1)
[3]頭部姿勢估計研究綜述[J]. 唐云祁,孫哲南,譚鐵牛.  模式識別與人工智能. 2014(03)
[4]基于人眼PERCLOS特征的列車駕駛員疲勞檢測系統(tǒng)[J]. 李洪研,趙學(xué)敏.  中國鐵路. 2011(12)
[5]基于方向盤操作的駕駛?cè)似跔顟B(tài)實時檢測方法[J]. 張希波,成波,馮睿嘉.  清華大學(xué)學(xué)報(自然科學(xué)版). 2010(07)
[6]基于駕駛操作行為的駕駛員疲勞狀態(tài)識別模型研究[J]. 吳超仲,張暉,毛喆,初秀民,嚴(yán)新平.  中國安全科學(xué)學(xué)報. 2007(04)
[7]駕駛員疲勞檢測技術(shù)的研究現(xiàn)狀及發(fā)展趨勢[J]. 李志春,何仁,林謀有,李佩林.  農(nóng)機(jī)化研究. 2006(05)
[8]計算機(jī)視覺中攝像機(jī)定標(biāo)綜述[J]. 邱茂林,馬頌德,李毅.  自動化學(xué)報. 2000(01)

博士論文
[1]基于心電信號的駕駛疲勞檢測方法研究[D]. 吳群.浙江大學(xué) 2008

碩士論文
[1]基于樹莓派的無線視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[D]. 李源.鄭州大學(xué) 2016
[2]融合眼部特征及頭部姿態(tài)的實時疲勞駕駛檢測技術(shù)研究[D]. 馬召賓.山東大學(xué) 2016



本文編號：3014546