疲勞,是人某種因素導(dǎo)致身體機(jī)能失調(diào),出現(xiàn)工作能力下降等狀況的現(xiàn)象。人在疲勞時(shí),會(huì)出現(xiàn)判斷困難,記憶力下降,注意力無(wú)法集中的狀況,過(guò)度疲勞會(huì)導(dǎo)致人體喪失對(duì)外界突發(fā)狀況的應(yīng)急能力,甚至導(dǎo)致誤操作,從而引發(fā)事故。為了人體的疲勞狀態(tài)進(jìn)行預(yù)警,需要開(kāi)發(fā)行之有效的疲勞檢測(cè)算法。由于基于腦電波信號(hào)和基于人員動(dòng)作變化的疲勞檢測(cè)方法存在干擾正常動(dòng)作或系統(tǒng)之后嚴(yán)重的問(wèn)題,基于視覺(jué)信息的疲勞檢測(cè)算法被認(rèn)為在公共安全領(lǐng)域具有不可忽視的重要意義。本文提出了基于眼部紋理特征和身份識(shí)別的疲勞檢測(cè)算法。通過(guò)紅外攝像頭進(jìn)行視覺(jué)信息采集,保證不同光照環(huán)境下的使用;在人臉檢測(cè)和特征點(diǎn)定位的基礎(chǔ)上,采用單個(gè)三維人臉模型進(jìn)行人臉正臉化。通過(guò)姿態(tài)估計(jì)和定位點(diǎn)誤差補(bǔ)償提高正臉化精度。然后提取眼部HOG特征,利用概率SVM給出眼睛睜閉程度,并計(jì)算PERCLOS疲勞指標(biāo),作為疲勞狀態(tài)判據(jù),同時(shí)構(gòu)建了專(zhuān)用的人員疲勞信息數(shù)據(jù)庫(kù)用于疲勞檢測(cè)算法的訓(xùn)練和檢驗(yàn)。此外,為了針對(duì)不同使用者實(shí)現(xiàn)疲勞特征判據(jù)的個(gè)性化設(shè)置,引入了人臉識(shí)別模塊。最后,基于本文所提出算法,構(gòu)建了實(shí)際的疲勞檢測(cè)系統(tǒng)并進(jìn)行實(shí)際駕駛環(huán)境下的疲勞檢測(cè),實(shí)驗(yàn)結(jié)果證明了本文所提出算法的... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 引言
    1.2 研究背景
        1.2.1 應(yīng)用背景
        1.2.2 技術(shù)背景
    1.3 技術(shù)研究現(xiàn)狀
    1.4 本文主要研究?jī)?nèi)容
    1.5 本文章節(jié)安排
第二章 疲勞檢測(cè)中的人臉檢測(cè)與定位
    2.1 引言
    2.2 人臉檢測(cè)
        2.2.1 Viola-Jones人臉檢測(cè)器
        2.2.2 深度神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)器
    2.3 人臉追蹤
        2.3.1 Camshift算法
        2.3.2 卡爾曼濾波追蹤算法
    2.4 特征點(diǎn)定位
        2.4.1 約束局部模型
        2.4.2 組合回歸樹(shù)
    2.5 基于仿射變換的人臉歸一化
    2.6 本章小結(jié)
第三章 非約束條件下的人臉正臉化
    3.1 引言
    3.2 硬性正臉化
    3.3 軟對(duì)稱(chēng)
    3.4 自適應(yīng)軟對(duì)稱(chēng)
        3.4.2 基于臉部姿態(tài)的對(duì)稱(chēng)權(quán)重調(diào)整
        3.4.3 自適應(yīng)定位點(diǎn)誤差補(bǔ)償
    3.5 數(shù)據(jù)庫(kù)驗(yàn)證
    3.6 本章小結(jié)
第四章 基于HOG特征的疲勞判定算法
    4.1 引言
    4.2 PERCLOS疲勞檢測(cè)指標(biāo)
    4.3 基于方向梯度直方圖的眼部特征提取
    4.4 基于概率SVM模型的眼部開(kāi)閉程度判斷
        4.4.1 概率支持向量機(jī)(Probabilistic SVM)
        4.4.2 滯環(huán)比較
    4.5 疲勞信息數(shù)據(jù)庫(kù)構(gòu)建
    4.6 實(shí)驗(yàn)結(jié)果
    本章小結(jié)
第五章 基于身份認(rèn)定的自適應(yīng)疲勞判定
    5.1 引言
    5.2 圖像預(yù)處理
        5.2.1 高斯差分
        5.2.2 限制對(duì)比度自適應(yīng)直方圖均衡(CLAHE)
    5.3 人臉特征提取
        5.3.1 局部二值模式(LBP)
        5.3.2 方向邊緣幅值模式
    5.4 相似性度量
    5.5 本章小結(jié)
第六章 算法有效性驗(yàn)證及實(shí)際應(yīng)用
    6.1 引言
        6.1.1 基于嵌入式開(kāi)發(fā)板的硬件系統(tǒng)構(gòu)成
        6.1.2 基于并行運(yùn)算架構(gòu)的軟件系統(tǒng)設(shè)計(jì)
    6.2 實(shí)驗(yàn)結(jié)果
    6.3 本章小結(jié)
第七章 工作總結(jié)與未來(lái)展望
    7.1 論文工作總結(jié)
    7.2 未來(lái)研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺(jué)的駕駛員嘴部狀態(tài)檢測(cè)方法[J]. 施樹(shù)明,金立生,王榮本,童兵亮.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2004(02)



本文編號(hào)：3686332