隨著我國社會經濟的高速發(fā)展,汽車保有量日益增多,隨之而來的是高漲不下的道路交通安全事故,嚴重危害人民的生命與財產安全,其中作為交通事故主要誘導因素之一的疲勞駕駛,已成為國內外研究的熱點之一。及時檢測駕駛員的疲勞狀態(tài)并且在其疲勞時進行有效干預,能夠在很大程度上降低交通安全事故發(fā)生的風險。目前通過機器視覺檢測駕駛疲勞狀態(tài)是最具發(fā)展前景的手段之一,但是由于復雜的駕駛環(huán)境以及駕駛員個體差異等因素的影響,此類方法仍存在不足之處。本文針對以上問題,在領域已有研究基礎之上,結合圖像識別與生理信號處理技術,提出了一種基于深度學習的信息融合駕駛疲勞狀態(tài)識別方法,具體研究內容如下:（1）為得到接近真實駕駛的實驗數據,搭建了實驗數據采集系統(tǒng),包括模擬駕駛模塊與數據采集模塊,分別采集模擬駕駛員在疲勞狀態(tài)下和正常狀態(tài)下的視頻數據和脈搏數據。為了使實驗數據更加可靠,實驗增設疲勞狀態(tài)激發(fā)環(huán)節(jié),有效的激發(fā)了模擬駕駛員的疲勞狀態(tài)。實驗選擇在校研究生作為數據采集對象,身體狀況良好且均無重大病史。最終采集到有效數據疲勞狀態(tài)下322組,正常狀態(tài)下403組。（2）針對單一的視頻信號源,基于卷積神經網絡對所采集數據進行疲勞狀態(tài)識... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：70 頁

【學位級別】：碩士

【部分圖文】：

圖１．１?２０１３年￣２０１８年全國交通事故發(fā)生情況匯總分析??美國國家高速公路交通安全管理部門調查表明：每年有１０萬起汽車相撞事??

第二章視頻信號與脈搏信號數據采集??通過信號采集系統(tǒng)獲取到的視頻信號以及脈搏信號在決策級融合對駕駛員的疲??勞狀態(tài)進行檢測識別。實驗系統(tǒng)設計示意圖如圖２．１所示。??＇?＇?＇?Ｍ?ｉ??胃￣§■說明?環(huán)境模擬?數據米集??Ｑ?模擬駕駛系統(tǒng)??＾?＿數據采集對象?＾??土脈雛感器ｒ—１?；；：，?＼?．?城??丨菩攝觸?Ｘ?＝?－?ｙ?ｌ??３］數據采集計算機?Ｉ??ｈ?操作＆??圖２．１實驗系統(tǒng)示意圖??實驗系統(tǒng)整體分為兩大模塊，第一部分是數據采集對象進行模擬駕駛的環(huán)境??模擬模塊，另一部分為操作員采集視頻信息以及脈搏數據的數據采集模塊，其分??別由兩臺計算機控制。整個實驗過程是在相對安靜的封閉環(huán)境進行，以免數據采??集對象因外界因素的影響造成最終采集數據出現偏差，模擬駕駛區(qū)域在數據采集??對象正前方４０－６０ｃｍ處裝有攝像頭用于獲取其圖像數據，另外被采集者手上佩??戴有脈搏信號傳感器用于采集其脈搏數據。實驗準備就緒后，數據采集對象分別??在正常清醒狀態(tài)下和疲勞狀態(tài)下進行兩次模擬駕駛實驗，操作員與數據采集對象??之間設立隔板，避免實驗過程中二者產生交流影響數據采集結果，操作員通過傳??感器以及計算機處理保存所采集數據，并對突發(fā)狀況進行相應處理。??２．１．２設備介紹??本實驗需要對駕駛員的脈搏信號以及面部視頻信號進行采集，所以實驗過程??中用到了圖像傳感器以及脈搏傳感器，圖像傳感器用于采集模擬駕駛員的圖像數??據，脈搏傳感器用于采集模擬駕駛員的脈搏數據。??圖像傳感器有ＣＭＯＳ和ＣＣＤ兩種，他們在不同的應用場景下能展現出不同??的優(yōu)勢。ＣＭＯＳ傳感器通過熟為人知的半導體電

山東大學碩士學位論文??匾ＪＨＨ??圖２．２模擬駕駛第一人稱視角??２．２實驗數據采集??為了使實驗數據更加可靠，本實驗選擇在校研宄生作為數據采集對象，年齡??處于２３周歲到２７周歲之間，均持有中華人民共和國機動車駕駛證，駕齡一年以??上，身體狀況良好且均無重大病史。實驗共包含２５名數據采集對象，其中女性??７名，男性１８名，每位采集對象均進行正常狀態(tài)下以及疲勞狀態(tài)下兩次實驗數??據采集，分別采集其脈搏信號和圖像信號。??２．２．１正常狀態(tài)下的數據采集??研宄表明人在上午８點到１０點大腦皮層處于最佳機能狀態(tài)，為避免因早飯??過后血液對消化系統(tǒng)供應增加，對神經系統(tǒng)（主要為大腦）供應減少，導致被采??集對象無法保持正常清醒狀態(tài)，因此實驗將正常清醒狀態(tài)下的數據采集時間設定??為早飯后１小時。??實驗前期準備工作：實驗前２４小時告知被采集對象將進行實驗數據采集，??并保持正常的作息時間。實驗開始時，被采集者提前１０分鐘進入實驗區(qū)，伴隨??著舒緩的音樂熟悉實驗環(huán)境，期間練習操作模擬駕駛系統(tǒng)，以免因被采集者對于??設備以及場景的新奇而影響情緒狀態(tài)和精神狀態(tài)。隨后被采集者于實驗系統(tǒng)設定??指定位置就坐，打開模擬駕駛系統(tǒng)并調整好座椅坐姿，盡量使駕駛感受接近真實??駕駛。由操作員給被采集對象佩戴脈搏傳感器，査看所輸出脈搏波形是否正常，??１１??

【參考文獻】：
期刊論文
[1]基于改進卷積神經網絡與集成學習的人臉識別算法[J]. 柯鵬飛,蔡茂國,吳濤.  計算機工程. 2020(02)
[2]基于卷積神經網絡與集成學習的交通標志識別[J]. 劉樹藝,李靜,胡春,王偉.  計算機與現代化. 2019(12)
[3]結合遷移學習和Inception-v3模型的路面干濕狀態(tài)識別方法[J]. 楊煒,周凱霞,劉佳俊,張志威,王童.  中國科技論文. 2019(08)
[4]面向帕金森病語音數據挖掘的分包融合集成算法[J]. 李勇明,張成,王品,謝廷杰,曾孝平,張艷玲,承歐梅,顏芳.  生物醫(yī)學工程學雜志. 2019(04)
[5]基于卷積神經網絡探討深度學習算法與應用[J]. 高強,靳其兵,程勇.  電腦知識與技術. 2015(13)
[6]一種BP神經網絡改進算法研究[J]. 王晶晶,王劍.  軟件導刊. 2015(03)
[7]基于面部特征三角形的機車駕駛員頭部姿態(tài)參數估計[J]. 張萬枝,王增才,徐俊凱.  鐵道學報. 2013(11)
[8]基于多源信息融合的駕駛人疲勞狀態(tài)監(jiān)測及預警方法研究[J]. 成波,馮睿嘉,張偉,李家文,張希波.  公路交通科技. 2009(S1)
[9]淺議疾病、血流動力學改變與中醫(yī)脈象的關系[J]. 祁曉民.  現代中西醫(yī)結合雜志. 2006(19)

博士論文
[1]面向不平衡數據的集成學習算法研究[D]. 張貞梅.山東科技大學 2019
[2]基于深度學習和面部多源動態(tài)行為融合的駕駛員疲勞檢測方法研究[D]. 趙磊.山東大學 2018

碩士論文
[1]基于CNN的駕駛員面部視頻圖像的疲勞檢測研究與應用[D]. 何琪.長安大學 2019
[2]脈搏波信號檢測及數據處理方法研究[D]. 成懇.西安理工大學 2018
[3]基于光電容積脈搏波（PPG）的疲勞檢測系統(tǒng)[D]. 崔寶龍.東南大學 2018
[4]基于深度學習與信息融合的路怒情緒識別研究[D]. 于申浩.山東大學 2018
[5]基于OpenCV的人臉識別及其在NAO機器人中的應用研究[D]. 白偉華.北方民族大學 2018
[6]基于多信息融合的疲勞狀態(tài)識別研究[D]. 王寧.山東大學 2016
[7]基于眼動與脈搏信息融合的駕駛疲勞識別算法研究[D]. 李發(fā)權.山東大學 2015
[8]脈搏波信息檢測及分析方法研究[D]. 周偉斌.重慶理工大學 2011



本文編號：3485589