本文選題：疲勞檢測(cè)　切入點(diǎn)：眼鏡判斷　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著汽車保有量的增加和人們生活節(jié)奏的加快,因駕駛者疲勞而引發(fā)的交通事故屢屢發(fā)生。我們應(yīng)該認(rèn)識(shí)到,疲勞駕駛所帶來(lái)的嚴(yán)重后果并不亞于酒駕,它是交通安全的巨大隱患,嚴(yán)重威脅著社會(huì)財(cái)產(chǎn)與生命安全。所以研究可靠且有效的疲勞駕駛檢測(cè)技術(shù),能夠提前預(yù)測(cè)和判斷出駕駛者的疲勞狀態(tài),及時(shí)預(yù)警,并讓車輛自動(dòng)減速,做到防患于未然,從而可以避免交通事故的發(fā)生。本文通過研究目前國(guó)內(nèi)外關(guān)于疲勞駕駛檢測(cè)技術(shù)的各類方法,總結(jié)其優(yōu)勢(shì)與不足�？紤]到部分駕駛者存在佩戴眼鏡的情況,提出基于眼睛、嘴部與頭部狀態(tài)相結(jié)合的方法識(shí)別疲勞狀態(tài)。主要內(nèi)容包括以下幾部分:1.視頻圖像預(yù)處理。駕駛者的面部區(qū)域在行車過程中會(huì)受到不同光照的影響,同時(shí)由于視頻圖像在獲取與傳輸過程中會(huì)產(chǎn)生噪聲與模糊。因此本文預(yù)先對(duì)圖像進(jìn)行濾波去噪和光照均衡處理,保障人臉區(qū)域的準(zhǔn)確檢測(cè)。2.人臉檢測(cè)與運(yùn)動(dòng)目標(biāo)跟蹤。在綜合分析比較了各類人臉檢測(cè)方法之后,本文采用基于Adaboost算法的人臉分類器檢測(cè)視頻圖像中駕駛員的面部區(qū)域。該方法通過Haar-Like特征與積分圖像法迭代訓(xùn)練人臉分類器。與傳統(tǒng)的基于膚色或模板匹配的人臉檢測(cè)方法相比,其檢測(cè)效率更高、準(zhǔn)確性更好�；谌四槞z測(cè)的結(jié)果,采用粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤算法實(shí)時(shí)追蹤駕駛員的面部目標(biāo)區(qū)域。3.眼睛檢測(cè)與狀態(tài)識(shí)別。首先,利用面部器官的幾何分布規(guī)則粗略分割眼部的候選區(qū)域。其次,基于大律法對(duì)雙眼區(qū)域進(jìn)行圖像自適應(yīng)二值化。通過垂直積分投影并計(jì)算連通區(qū)域個(gè)數(shù),判斷駕駛者是否佩戴眼鏡。最后,分兩種情況選擇對(duì)應(yīng)的算法識(shí)別睜眼或閉眼狀態(tài)。如果駕駛員佩戴眼鏡,則提出基于局部直方圖統(tǒng)計(jì)特征的算法識(shí)別眼部狀態(tài);如果駕駛員未佩戴眼鏡,則采取基于Adaboost算法的人眼分類器直接定位眼睛,對(duì)單眼區(qū)域二值化后提取最大矩形并得到眼睛的近似張角,由閾值判斷眼睛睜開或閉合狀態(tài)。4.嘴部檢測(cè)與狀態(tài)識(shí)別。嘴部相對(duì)于人臉其他區(qū)域來(lái)說(shuō)具有特殊的顏色與亮度信息。本文為了簡(jiǎn)化計(jì)算、提高檢測(cè)效率,首先根據(jù)嘴部在面部的分布位置,粗定位嘴部候選區(qū)。其次二值化獲得嘴部面積,利用Sobel邊緣檢測(cè)法提取嘴部邊緣獲得嘴部周長(zhǎng)。最后計(jì)算似圓度,識(shí)別嘴部張開或閉合狀態(tài)。5.頭部狀態(tài)識(shí)別。人在打瞌睡時(shí),頭部會(huì)出現(xiàn)突發(fā)性的上仰、下沉或規(guī)律性的上下往復(fù)運(yùn)動(dòng)。這部分主要利用已經(jīng)定位到的眼睛與嘴部中心點(diǎn)位置信息,6.疲勞狀態(tài)判斷。該過程利用持續(xù)閉眼時(shí)間、眨眼頻率、PERCLOS參數(shù)、打哈欠持續(xù)時(shí)間、打哈欠次數(shù)和點(diǎn)頭頻率等指標(biāo)綜合判斷駕駛者是否瞌睡。最后根據(jù)疲勞狀態(tài)各等級(jí)對(duì)應(yīng)的面部表情行為特征,構(gòu)建疲勞駕駛檢測(cè)系統(tǒng)流程圖,當(dāng)檢測(cè)到疲勞狀態(tài)時(shí),及時(shí)預(yù)警并讓機(jī)動(dòng)車自動(dòng)減速。實(shí)驗(yàn)中對(duì)4組模擬駕駛場(chǎng)景下的視頻圖像進(jìn)行檢測(cè),結(jié)果表明本文疲勞駕駛檢測(cè)算法的檢測(cè)效率較高,準(zhǔn)確性較好,且滿足系統(tǒng)對(duì)于實(shí)時(shí)性的要求。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U463.6;U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉泉影;毛承勝;聶碧娟;胡斌;;普適環(huán)境下基于腦電的身份及上下文狀態(tài)識(shí)別[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年S2期

2 齊永順;張文泉;;設(shè)備狀態(tài)識(shí)別[J];機(jī)械設(shè)計(jì)與制造;1987年04期

3 李力,趙新澤;應(yīng)用統(tǒng)計(jì)數(shù)學(xué)方法增進(jìn)機(jī)器狀態(tài)識(shí)別技術(shù)[J];實(shí)用測(cè)試技術(shù);2000年03期

4 王瓊;王歡;趙春霞;楊靜宇;;基于眼睛狀態(tài)識(shí)別的駕駛員疲勞監(jiān)測(cè)[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

5 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設(shè)備狀態(tài)識(shí)別中的應(yīng)用研究[J];中國(guó)機(jī)械工程;2011年18期

6 李虹;;路面狀態(tài)識(shí)別技術(shù)概述[J];氣象水文海洋儀器;2012年04期

7 余丹炯;李訓(xùn)銘;;駕駛困倦預(yù)警系統(tǒng)中眼部狀態(tài)識(shí)別的研究[J];河海大學(xué)常州分校學(xué)報(bào);2007年02期

8 張雷元;袁建華;趙永進(jìn);;道路交通狀態(tài)識(shí)別技術(shù)研究[J];道路交通與安全;2009年02期

9 王正軍;張培林;任國(guó)全;高經(jīng)緯;李兵;;裝備發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)識(shí)別[J];四川兵工學(xué)報(bào);2008年02期

10 余成波，，梁德沛;基于模糊相似貼近度旋轉(zhuǎn)機(jī)械狀態(tài)識(shí)別[J];機(jī)械傳動(dòng);1994年04期

相關(guān)會(huì)議論文 前9條

1 湯新蓓;鄭德玲;湯崢嶸;張長(zhǎng)紅;;證據(jù)理論支持下的狀態(tài)識(shí)別方法[A];1997年中國(guó)控制會(huì)議論文集[C];1997年

2 鄭德玲;方巍;;基于組合邏輯與模糊邏輯的狀態(tài)識(shí)別方法[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

3 方劍青;李紅軍;雷毅平;陳德華;;聲學(xué)共振譜方法用于結(jié)構(gòu)狀態(tài)識(shí)別的實(shí)驗(yàn)研究[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

4 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識(shí)別研究[A];第六屆全國(guó)摩擦學(xué)學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1997年

5 趙偉;黃春琳;;生命探測(cè)技術(shù)研究[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

6 李宏坤;周帥;孫志輝;;基于Hilbert時(shí)頻譜重心與支持向量機(jī)的設(shè)備狀態(tài)識(shí)別[A];第八屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議論文集[C];2008年

7 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動(dòng)驅(qū)動(dòng)并聯(lián)仿真研究[A];第11屆粵港機(jī)械電子工程技術(shù)與應(yīng)用研討會(huì)論文匯編[C];2010年

8 周穎;鄭德玲;裘之亮;位耀光;;一種新的免疫識(shí)別算法及其收斂性研究[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

9 陳鍇;徐柏齡;;基于最佳維納解的雙通道話者狀態(tài)識(shí)別方法[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 李楠;基于單類學(xué)習(xí)的異常檢測(cè)方法及其重型裝備狀態(tài)識(shí)別應(yīng)用[D];上海交通大學(xué);2014年

2 李娜;基于人體運(yùn)動(dòng)狀態(tài)識(shí)別的可穿戴健康監(jiān)測(cè)系統(tǒng)研究[D];北京工業(yè)大學(xué);2013年

3 李虹;基于機(jī)器視覺路面狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];吉林大學(xué);2009年

4 王金偉;基于表情時(shí)空特征的認(rèn)知情感狀態(tài)識(shí)別研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 游雄雄;礦冶典型零部件退化狀態(tài)識(shí)別與剩余壽命預(yù)測(cè)及可再制造性評(píng)估[D];江西理工大學(xué);2015年

2 林助軍;非穩(wěn)態(tài)條件下摩擦信號(hào)處理和狀態(tài)識(shí)別技術(shù)研究[D];大連海事大學(xué);2015年

3 葉卿;信號(hào)控制交叉口交通擁堵狀態(tài)識(shí)別方法研究[D];華南理工大學(xué);2015年

4 張鑓;人體運(yùn)動(dòng)狀態(tài)感知機(jī)理及傳感數(shù)據(jù)分析研究[D];北京工業(yè)大學(xué);2015年

5 邵劍雄;基于霍夫森林的變電站開關(guān)設(shè)備檢測(cè)及狀態(tài)識(shí)別[D];浙江大學(xué);2016年

6 劉雨;基于SVM的直升機(jī)飛行狀態(tài)識(shí)別方法及其應(yīng)用研究[D];南昌航空大學(xué);2016年

7 馮青平;基于云計(jì)算的交通流預(yù)測(cè)與狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2016年

8 鮑闞;智能車輛近場(chǎng)物體探測(cè)及其狀態(tài)識(shí)別方法研究[D];吉林大學(xué);2016年

9 王寧;基于多信息融合的疲勞狀態(tài)識(shí)別研究[D];山東大學(xué);2016年

10 趙正川;基于高速視頻的目標(biāo)狀態(tài)識(shí)別技術(shù)研究[D];西安工業(yè)大學(xué);2016年

本文編號(hào)：1640715