疲勞駕駛是引發(fā)交通事故的重要原因之一。研究駕駛?cè)似跔顟B(tài)檢測方法,監(jiān)測駕駛?cè)说木駹顟B(tài),并在必要時進(jìn)行報警干預(yù),對于提高駕駛安全性具有重要的意義�；跈C器視覺的駕駛?cè)似跔顟B(tài)檢測,通過對駕駛?cè)嗣娌勘砬榈姆治霰孀R其疲勞狀態(tài)。該方法具有實時性、非侵入性、與人認(rèn)知一致性等特點而成為疲勞狀態(tài)檢測中極具發(fā)展?jié)摿蛻?yīng)用前景的技術(shù)手段。受實際駕駛過程中駕駛?cè)说膫�體差異性、光照條件的隨機性、疲勞特征的隱匿性等因素的影響,全天候、高魯棒的駕駛?cè)似跔顟B(tài)檢測依舊存在眾多技術(shù)瓶頸。本文圍繞駕駛?cè)搜劬^(qū)域定位、眼睛動作提取、疲勞檢測建模等問題展開研究,開發(fā)了駕駛?cè)似跔顟B(tài)檢測算法,并進(jìn)行了實驗驗證。為了克服夜晚工況下面部圖像的模糊暗淡,并解決佩戴墨鏡時眼睛圖像的可見性問題,本文采用紅外照明及紅外濾光的方式獲取駕駛?cè)说拿娌繄D像。通過深入分析駕駛?cè)说闹w動作(姿態(tài)變換、面部遮擋、表情變化)對于眼睛定位的影響,本文采用正面人臉檢測結(jié)合通用3D人臉模型完成駕駛?cè)说?D人臉建模,并實時求解駕駛?cè)说念^部姿態(tài)。利用3D人臉模型中的眼睛位置與頭部姿態(tài)間接求解2D人臉圖像中的眼睛位置,從而克服肢體動作的影響,同時增強眼睛區(qū)域定...

【文章頁數(shù)】：152 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
主要符號對照表
第1章 緒論
    1.1 引言
    1.2 駕駛?cè)似跔顟B(tài)檢測研究現(xiàn)狀
        1.2.1 基于駕駛?cè)松韰?shù)的疲勞檢測方法
        1.2.2 基于駕駛?cè)松矸磻?yīng)參數(shù)的疲勞檢測方法
        1.2.3 基于駕駛?cè)瞬僮餍袨榈钠跈z測方法
        1.2.4 基于車輛行駛信息的疲勞檢測方法
    1.3 本文主要研究內(nèi)容
第2章 駕駛?cè)似跔顟B(tài)檢測系統(tǒng)總體設(shè)計
    2.1 系統(tǒng)硬件配置
        2.1.1 疲勞檢測的復(fù)雜性
        2.1.2 系統(tǒng)硬件配置參數(shù)
    2.2 系統(tǒng)軟件配置
    2.3 實驗方案設(shè)計
    2.4 關(guān)鍵問題研究
第3章 駕駛?cè)?3D人臉建模
    3.1 算法概述
    3.2 基于ASM算法的特征點定位
    3.3 基于ASEF算法的特征點定位
        3.3.1 ASEF算法基本原理
        3.3.2 基于ASEF算法的ASM算法修正
    3.4 基于CLM算法的特征點定位
        3.4.1 局部檢測算子
        3.4.2 全局統(tǒng)計模型
    3.5 駕駛?cè)?3D人臉建模
        3.5.1 正面人臉檢測
        3.5.2 3D人臉建模
        3.5.3 頭部姿態(tài)檢測
    3.6 實驗結(jié)果與結(jié)論
        3.6.1 ASEF算法最優(yōu)參數(shù)及魯棒性測試
        3.6.2 ASEF算法修正ASM算法精度測試
        3.6.3 駕駛?cè)?3D人臉建模精度及魯棒性測試
    3.7 本章小結(jié)
第4章 駕駛?cè)搜劬幼鳈z測
    4.1 算法概述
    4.2 基于CMOG特征的睜閉眼判別
        4.2.1 HOG特征基本思想
        4.2.2 共生矩陣梯度信息采集
        4.2.3 圖像預(yù)處理
    4.3 眼角點檢測
        4.3.1 眼睛區(qū)域特征點檢測
        4.3.2 特征點有效性校驗
        4.3.3 眼睛區(qū)域特征點跟蹤
    4.4 虹膜中心檢測
        4.4.1 虹膜中心檢測算法
        4.4.2 夜晚工況虹膜中心檢測
    4.5 眼睛輪廓定位
        4.5.1 自適應(yīng)膚色檢測
        4.5.2 眼瞼輪廓定位
    4.6 實驗結(jié)果及結(jié)論
        4.6.1 CMOG特征最優(yōu)參數(shù)及性能測試
        4.6.2 虹膜中心檢測最優(yōu)參數(shù)及性能測試
        4.6.3 自適應(yīng)膚色檢測算法魯棒性測試
    4.7 本章小結(jié)
第5章 駕駛?cè)似跔顟B(tài)檢測建模
    5.1 疲勞樣本獲取
    5.2 疲勞特征建立
        5.2.1 疲勞特征定義
        5.2.2 疲勞特征獲取
    5.3 疲勞狀態(tài)辨識
        5.3.1 疲勞特征離散化
        5.3.2 貝葉斯網(wǎng)絡(luò)建模
    5.4 實驗結(jié)果與結(jié)論
    5.5 本章小結(jié)
第6章 結(jié)論
參考文獻(xiàn)
致謝
附錄A 駕駛?cè)似跔顟B(tài)檢測貝葉斯網(wǎng)絡(luò)參數(shù)
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3909641