隨著車載娛樂裝置與通訊系統(tǒng)的快速發(fā)展,駕駛員在駕駛過程中的注意力受到越來越多的干擾,由此引發(fā)的交通事故逐漸增多,為了解決該問題,本文對(duì)駕駛員的視線區(qū)域進(jìn)行了相關(guān)研究。針對(duì)現(xiàn)有實(shí)驗(yàn)室環(huán)境中的視線估計(jì)系統(tǒng)光照條件單一、測(cè)試行為與真實(shí)駕駛行為相差較大的問題,本文設(shè)計(jì)了一種新的融合頭部特征和眼睛特征的駕駛員視線區(qū)域估計(jì)系統(tǒng),并通過真實(shí)的駕駛環(huán)境圖像對(duì)系統(tǒng)進(jìn)行了有效性測(cè)試。本文的主要研究?jī)?nèi)容如下所述:為了能提取駕駛員的頭部和眼睛特征,本文首先根據(jù)駕駛員的實(shí)際駕駛環(huán)境給出了駕駛員面部圖像定位和面部特征點(diǎn)定位的方法:即先使用Harr-like模板檢測(cè)其面部紋理特征,再通過級(jí)聯(lián)的強(qiáng)分類器完成面部區(qū)域的定位工作,針對(duì)多人乘車時(shí)駕駛室圖像中可能檢測(cè)到多個(gè)人臉區(qū)域的問題,本文通過人臉圖像中心與主駕駛座頭枕的相對(duì)位置關(guān)系給出了確定駕駛員面部圖像的算法流程;根據(jù)ERT完成面部特征點(diǎn)的檢測(cè)工作,再根據(jù)數(shù)據(jù)集圖像和真實(shí)的駕駛圖像驗(yàn)證了特征點(diǎn)檢測(cè)算法的有效性。本文通過駕駛員頭部特征完成其閉眼時(shí)刻視線區(qū)域的粗略估計(jì):首先通過統(tǒng)計(jì)的方法分析得出駕駛員駕駛過程中面部中心點(diǎn)的常用區(qū)域,再根據(jù)面部中心點(diǎn)在此區(qū)域的相對(duì)位置來對(duì)駕...

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１所示，當(dāng)攝像機(jī)將駕駛員圖像傳入視線??區(qū)域估計(jì)系統(tǒng)后，系統(tǒng)首先完成駕駛員的面部區(qū)域圖像與特征點(diǎn)的定位工作；隨??后將檢測(cè)到的駕駛員面部圖像通過第三章的算法確定其頭部位置及頭部姿態(tài)，通??

ｎｕｊｉｉ—ｉ—ｍｉ?????；?駕駛員眼睛區(qū)域提取??，１，１，?，?ｌ?，??駕駛員頭部位置駕駛員頭部姿態(tài)檢?閉眼?｜駕駛員Ｂ艮睛狀態(tài)??丨?ｙ：?｜丨?ｉ＇ｊ?丨＿??．備?１?丄睜眼??駕駛員頭部俯仰角??丨?駕駛員瞳扎位置檢??——?丨——Ｗ???＾?ｒ???駕駛員眼睛....

圖２－１?Ｈａａｒ特征模板??Ｈａａｒ特征反應(yīng)的是圖像灰度信息的變化情況，而這些特征恰好能有效的反??

?第２章駕駛員面部特征定位???第２章駕駛員面部特征定位??本章介紹駕駛員面部特征定位的方法：包括面部區(qū)域圖像定位及面部特征??點(diǎn)定位兩方面內(nèi)容。其中駕駛員面部區(qū)域定位采用的是Ａｄａｂｏｏｏｓｔ算法，面部特??征點(diǎn)定位采用的是ＥＲＴ算法。??２．１駕駛員面部區(qū)域定位??駕駛員面部....

圖２－２人臉圖像中的Ｈａｒｒ特征??

?山東大學(xué)碩士學(xué)位論文???應(yīng)人臉的某些面部特征．？如眉毛與眼睛的灰度對(duì)比，臉頰與眼睛的灰度變化，??鼻梁兩側(cè)與鼻子的像素對(duì)比（如圖２－２所示）。原始的Ｈａａｒ模板只有簡(jiǎn)單的四種??結(jié)構(gòu)，檢測(cè)的特征信息相對(duì)較少，只能檢測(cè)出如圖２－１左側(cè)所示的四種特征，為??了能夠得到更精確的面部....

圖２－３?Ａｄａｂｏｏｓｔ算法積分圖??

?山東大學(xué)碩士學(xué)位論文???應(yīng)人臉的某些面部特征．？如眉毛與眼睛的灰度對(duì)比，臉頰與眼睛的灰度變化，??鼻梁兩側(cè)與鼻子的像素對(duì)比（如圖２－２所示）。原始的Ｈａａｒ模板只有簡(jiǎn)單的四種??結(jié)構(gòu)，檢測(cè)的特征信息相對(duì)較少，只能檢測(cè)出如圖２－１左側(cè)所示的四種特征，為??了能夠得到更精確的面部....

本文編號(hào)：3943467