疲勞駕駛是引發(fā)交通事故的重要原因之一。研究駕駛?cè)似跔顟B(tài)檢測(cè)方法,監(jiān)測(cè)駕駛?cè)说木駹顟B(tài),并在必要時(shí)進(jìn)行報(bào)警干預(yù),對(duì)于提高駕駛安全性具有重要的意義�；跈C(jī)器視覺(jué)的駕駛?cè)似跔顟B(tài)檢測(cè),通過(guò)對(duì)駕駛?cè)嗣娌勘砬榈姆治霰孀R(shí)其疲勞狀態(tài)。該方法具有實(shí)時(shí)性、非侵入性、與人認(rèn)知一致性等特點(diǎn)而成為疲勞狀態(tài)檢測(cè)中極具發(fā)展?jié)摿蛻?yīng)用前景的技術(shù)手段。受實(shí)際駕駛過(guò)程中駕駛?cè)说膫�(gè)體差異性、光照條件的隨機(jī)性、疲勞特征的隱匿性等因素的影響,全天候、高魯棒的駕駛?cè)似跔顟B(tài)檢測(cè)依舊存在眾多技術(shù)瓶頸。本文圍繞駕駛?cè)搜劬^(qū)域定位、眼睛動(dòng)作提取、疲勞檢測(cè)建模等問(wèn)題展開(kāi)研究,開(kāi)發(fā)了駕駛?cè)似跔顟B(tài)檢測(cè)算法,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。為了克服夜晚工況下面部圖像的模糊暗淡,并解決佩戴墨鏡時(shí)眼睛圖像的可見(jiàn)性問(wèn)題,本文采用紅外照明及紅外濾光的方式獲取駕駛?cè)说拿娌繄D像。通過(guò)深入分析駕駛?cè)说闹w動(dòng)作(姿態(tài)變換、面部遮擋、表情變化)對(duì)于眼睛定位的影響,本文采用正面人臉檢測(cè)結(jié)合通用3D人臉模型完成駕駛?cè)说?D人臉建模,并實(shí)時(shí)求解駕駛?cè)说念^部姿態(tài)。利用3D人臉模型中的眼睛位置與頭部姿態(tài)間接求解2D人臉圖像中的眼睛位置,從而克服肢體動(dòng)作的影響,同時(shí)增強(qiáng)眼睛區(qū)域定...

【文章頁(yè)數(shù)】：152 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
主要符號(hào)對(duì)照表
第1章 緒論
    1.1 引言
    1.2 駕駛?cè)似跔顟B(tài)檢測(cè)研究現(xiàn)狀
        1.2.1 基于駕駛?cè)松韰?shù)的疲勞檢測(cè)方法
        1.2.2 基于駕駛?cè)松矸磻?yīng)參數(shù)的疲勞檢測(cè)方法
        1.2.3 基于駕駛?cè)瞬僮餍袨榈钠跈z測(cè)方法
        1.2.4 基于車輛行駛信息的疲勞檢測(cè)方法
    1.3 本文主要研究?jī)?nèi)容
第2章 駕駛?cè)似跔顟B(tài)檢測(cè)系統(tǒng)總體設(shè)計(jì)
    2.1 系統(tǒng)硬件配置
        2.1.1 疲勞檢測(cè)的復(fù)雜性
        2.1.2 系統(tǒng)硬件配置參數(shù)
    2.2 系統(tǒng)軟件配置
    2.3 實(shí)驗(yàn)方案設(shè)計(jì)
    2.4 關(guān)鍵問(wèn)題研究
第3章 駕駛?cè)?3D人臉建模
    3.1 算法概述
    3.2 基于ASM算法的特征點(diǎn)定位
    3.3 基于ASEF算法的特征點(diǎn)定位
        3.3.1 ASEF算法基本原理
        3.3.2 基于ASEF算法的ASM算法修正
    3.4 基于CLM算法的特征點(diǎn)定位
        3.4.1 局部檢測(cè)算子
        3.4.2 全局統(tǒng)計(jì)模型
    3.5 駕駛?cè)?3D人臉建模
        3.5.1 正面人臉檢測(cè)
        3.5.2 3D人臉建模
        3.5.3 頭部姿態(tài)檢測(cè)
    3.6 實(shí)驗(yàn)結(jié)果與結(jié)論
        3.6.1 ASEF算法最優(yōu)參數(shù)及魯棒性測(cè)試
        3.6.2 ASEF算法修正ASM算法精度測(cè)試
        3.6.3 駕駛?cè)?3D人臉建模精度及魯棒性測(cè)試
    3.7 本章小結(jié)
第4章 駕駛?cè)搜劬?dòng)作檢測(cè)
    4.1 算法概述
    4.2 基于CMOG特征的睜閉眼判別
        4.2.1 HOG特征基本思想
        4.2.2 共生矩陣梯度信息采集
        4.2.3 圖像預(yù)處理
    4.3 眼角點(diǎn)檢測(cè)
        4.3.1 眼睛區(qū)域特征點(diǎn)檢測(cè)
        4.3.2 特征點(diǎn)有效性校驗(yàn)
        4.3.3 眼睛區(qū)域特征點(diǎn)跟蹤
    4.4 虹膜中心檢測(cè)
        4.4.1 虹膜中心檢測(cè)算法
        4.4.2 夜晚工況虹膜中心檢測(cè)
    4.5 眼睛輪廓定位
        4.5.1 自適應(yīng)膚色檢測(cè)
        4.5.2 眼瞼輪廓定位
    4.6 實(shí)驗(yàn)結(jié)果及結(jié)論
        4.6.1 CMOG特征最優(yōu)參數(shù)及性能測(cè)試
        4.6.2 虹膜中心檢測(cè)最優(yōu)參數(shù)及性能測(cè)試
        4.6.3 自適應(yīng)膚色檢測(cè)算法魯棒性測(cè)試
    4.7 本章小結(jié)
第5章 駕駛?cè)似跔顟B(tài)檢測(cè)建模
    5.1 疲勞樣本獲取
    5.2 疲勞特征建立
        5.2.1 疲勞特征定義
        5.2.2 疲勞特征獲取
    5.3 疲勞狀態(tài)辨識(shí)
        5.3.1 疲勞特征離散化
        5.3.2 貝葉斯網(wǎng)絡(luò)建模
    5.4 實(shí)驗(yàn)結(jié)果與結(jié)論
    5.5 本章小結(jié)
第6章 結(jié)論
參考文獻(xiàn)
致謝
附錄A 駕駛?cè)似跔顟B(tài)檢測(cè)貝葉斯網(wǎng)絡(luò)參數(shù)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號(hào)：3909641