交通事故數(shù)多年來持續(xù)不下,造成了社會生產(chǎn)與人民生活的巨大損失。駕駛?cè)似隈{駛行為是引起該情況的重要原因之一。人體疲勞產(chǎn)生的原因復(fù)雜,產(chǎn)生的時間不確定,難以通過政策法規(guī)對該行為進行規(guī)避。因此尋找一種基于主動安全技術(shù)的疲勞檢測方法具有重要的意義。目前,主動安全技術(shù)是智能交通中一項前沿研究內(nèi)容。本文研究針對疲勞駕駛檢測的主動安全技術(shù),采用機器視覺感知的方式,對夜間疲勞多發(fā)時間段的駕駛?cè)嗣娌刻卣鬟M行分析,進而實現(xiàn)夜間駕駛?cè)似跈z測�；跈C器視覺感知的夜間疲勞駕駛檢測首先需要對人臉進行識別,然后在已識別的人臉中提取相關(guān)的面部特征,并持續(xù)跟蹤,最后根據(jù)這些特征對駕駛?cè)说钠跔顟B(tài)進行判別。論文主要研究內(nèi)容如下:(1)基于Gentle AdaBoost算法與標準化像素差(Normalized Pixel Difference,NPD)特征的改進Viola-Jones人臉識別方法。在Viola-Jones人臉識別框架的基礎(chǔ)上結(jié)合多姿態(tài)人臉識別的要求,將AdaBoost算法與Haar-like矩形特征替換,引入了Gentle AdaBoost算法與NPD特征,形成新的Viola-Jones人臉識別方法。改...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

圖1-1交通事故死亡率（單位：十萬分之一）

圖1-1交通事故死亡率（單位：十萬分之一）為更好地預(yù)防交通事故，國家科學技術(shù)部、公安部、交通部組織實施了“國家道路交通安全科技行動計劃（二期）”。其中課題三之專題二名為“重點駕駛?cè)私煌ㄐ袨榉治黾夹g(shù)及系統(tǒng)開發(fā)”。該專題的子任務(wù)包括：（1）駕駛?cè)诵袨樘卣魈崛∨c分析技術(shù)研究；（2）....

圖1-2生理參數(shù)采集設(shè)備演變

號并結(jié)合自動回歸模型分析疲勞的變化；Wu等人利用ocardiograph,ECG）信號配合核主成分分析法對不同的樣本進行疲勞狀態(tài)和非疲勞狀態(tài)；邱健等人[7]根據(jù)人在疲勞與清醒時刻同，基于快速離散傅氏變換算法（FastFourierTransformation,行脈搏頻譜分析....

圖1-4人體面部器官分布

美國聯(lián)邦高速公路管理局公布的根據(jù)人RCLOS（PercentageofEyelidClosureoverth了理論依據(jù)，并推動了其后續(xù)發(fā)展。因不與的特點使得該方法成為了近年來的研究熱點步驟如圖1-3所示，根據(jù)所采用方法的不同機器學習的方法三類。識別面部特征定位疲勞特....

圖2-4Haar-like特征的匹配

10iiiωArea=×=于一個3-矩形特征，通常取權(quán)重為1ω=1，2ω=2，112233ω×Area+ω×Area+ω×Area=0得到的feature值在人臉和非人臉相同區(qū)域之間的差征。在Viola-Jones提出的人臉....

本文編號：3917158