隨著我國(guó)汽車保有量的不斷增加,道路交通安全已經(jīng)成為了我國(guó)日益突出的社會(huì)問(wèn)題。其中,疲勞駕駛已經(jīng)成為導(dǎo)致道路交通事故的主要原因之一。因此,本文對(duì)疲勞駕駛檢測(cè)進(jìn)行了研究,并使用基于視覺(jué)的方法對(duì)駕駛員的眼睛狀態(tài)進(jìn)行分析,以此來(lái)判斷駕駛員是否疲勞。首先,本文對(duì)采集到的圖像進(jìn)行灰度化、去噪等預(yù)處理,并對(duì)圖像進(jìn)行人臉檢測(cè),將檢測(cè)到的人臉區(qū)域作為人眼檢測(cè)的待檢區(qū)域。分別使用Haar特征和MB-LBP特征來(lái)訓(xùn)練基于Adaboost算法的人臉檢測(cè)器,并通過(guò)實(shí)驗(yàn)對(duì)比了這兩種檢測(cè)器的檢測(cè)速度和檢測(cè)率。實(shí)驗(yàn)結(jié)果表明,兩者在檢測(cè)率上差距并不明顯,但使用MB-LBP特征的檢測(cè)器在訓(xùn)練時(shí)間和檢測(cè)速度上占有一定優(yōu)勢(shì)。然后,本文使用兩種改進(jìn)方法進(jìn)行睜閉眼判斷。方法一:為了提升檢測(cè)的準(zhǔn)確性和效率,先使用粗定位的方法確定右眼的大致區(qū)域,再使用人眼檢測(cè)器獲取右眼區(qū)域的圖像。接著,使用Otsu算法和區(qū)域生長(zhǎng)法對(duì)右眼圖像進(jìn)行分割等處理,精確提取右眼的二值化圖像。本文提出了一種計(jì)算人眼高寬比（EAR）的改進(jìn)方法,統(tǒng)計(jì)眼睛二值圖像中每一列灰度值為255的像素點(diǎn)個(gè)數(shù),取其中的最大值為眼睛的高度,有效提升了閉眼狀態(tài)下的計(jì)算精度。對(duì)于同一... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 基于駕駛行為的方法
        1.2.2 基于生理學(xué)的方法
        1.2.3 基于視覺(jué)的方法
    1.3 本文組織結(jié)構(gòu)
第2章 疲勞駕駛檢測(cè)相關(guān)原理
    2.1 圖像預(yù)處理
        2.1.1 圖像灰度化
        2.1.2 圖像去噪
        2.1.3 直方圖均衡化
    2.2 人臉檢測(cè)算法
        2.2.1 人臉檢測(cè)方法概述
        2.2.2 基于Adaboost算法的人臉檢測(cè)原理
    2.3 人眼區(qū)域定位方法概述
    2.4 人臉關(guān)鍵點(diǎn)檢測(cè)
        2.4.1 人臉關(guān)鍵點(diǎn)檢測(cè)方法概述
        2.4.2 基于級(jí)聯(lián)回歸樹的人臉關(guān)鍵點(diǎn)檢測(cè)算法
    2.5 本章小結(jié)
第3章 基于Adaboost算法的人臉檢測(cè)
    3.1 人臉檢測(cè)器的分類特征
        3.1.1 Haar特征
        3.1.2 LBP特征
    3.2 基于Adaboost算法的人臉檢測(cè)器
    3.3 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第4章 人眼檢測(cè)及睜閉眼狀態(tài)判斷
    4.1 改進(jìn)型基于Adaboost算法的人眼檢測(cè)及睜閉眼判斷
        4.1.1 基于Adaboost算法的人眼檢測(cè)
        4.1.2 人眼睜閉狀態(tài)判斷
    4.2 改進(jìn)型基于人臉關(guān)鍵點(diǎn)檢測(cè)的人眼睜閉狀態(tài)判斷
        4.2.1 基于級(jí)聯(lián)回歸樹的人臉關(guān)鍵點(diǎn)檢測(cè)
        4.2.2 人眼睜閉狀態(tài)判斷
    4.3 實(shí)驗(yàn)及結(jié)果分析
    4.4 本章小結(jié)
第5章 疲勞狀態(tài)分析
    5.1 疲勞狀態(tài)判定方法
    5.2 實(shí)驗(yàn)及結(jié)果分析
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄 A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)成果目錄
附錄 B 攻讀學(xué)位期間參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]級(jí)聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)方法[J]. 李亞可,玉振明.  計(jì)算機(jī)工程與應(yīng)用. 2019(24)
[2]基于人臉特征點(diǎn)分析的疲勞駕駛實(shí)時(shí)檢測(cè)方法[J]. 柳龍飛,伍世虔,徐望明.  電視技術(shù). 2018(12)
[3]基于腦電信號(hào)的疲勞駕駛狀態(tài)研究[J]. 陳驥馳,王宏,王翹秀,化成城,劉沖.  汽車工程. 2018(05)
[4]基于眼睛與嘴部狀態(tài)識(shí)別的疲勞駕駛檢測(cè)[J]. 鄒昕彤,王世剛,趙文婷,趙曉琳,李天舒.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(02)
[5]基于ASM局部定位和特征三角形的列車駕駛員頭部姿態(tài)估計(jì)[J]. 趙磊,王增才,王曉錦,張萬(wàn)枝.  鐵道學(xué)報(bào). 2016(09)
[6]基于LBP模板匹配的人眼狀態(tài)檢測(cè)[J]. 付雅慧,歐陽(yáng)純萍,劉志明.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2016(21)
[7]基于轉(zhuǎn)向盤轉(zhuǎn)角的疲勞駕駛檢測(cè)方法研究[J]. 劉軍,王利明,聶斐,袁俊,程偉.  汽車技術(shù). 2016(04)
[8]基于駕駛員轉(zhuǎn)向操作特性的疲勞駕駛檢測(cè)[J]. 屈肖蕾,成波,林慶峰,李升波.  汽車工程. 2013(09)
[9]司機(jī)疲勞駕駛實(shí)時(shí)檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 周鋒華,孟憲元,梅順良,任雁軍.  測(cè)控技術(shù). 2013(01)
[10]駕駛疲勞腦電信號(hào)節(jié)律的特征分析[J]. 王利,艾玲梅,王四萬(wàn),羅萬(wàn)志.  生物醫(yī)學(xué)工程學(xué)雜志. 2012(04)

碩士論文
[1]駕駛員疲勞特征提取方法的研究及檢測(cè)系統(tǒng)的設(shè)計(jì)[D]. 牛正存.電子科技大學(xué) 2017



本文編號(hào)：3651696