基于神经网络的疲劳驾驶状态识别研究
发布时间：2022-01-23 20:21
疲劳驾驶会显著降低驾驶员的警惕性,增加反应时间,严重危害道路安全,现和超载、超速并列为交通事故三大成因。针对疲劳驾驶易造成交通事故频发的现状,本文将卷积神经网络应用到疲劳驾驶的状态识别领域,主要研究内容如下:首先,采用多任务级联框架（Multitask Cascaded Convolutional Networks,MTCNN）同时完成人脸检测和人脸对齐,以由粗糙检测到精细提取的方式提高其性能。为进一步提高检测准确率,降低驾驶员的姿势变化以及无约束环境中照明和遮挡等因素的影响,对MTCNN进行改进,优化三个子网络之一O-Net的网络参数。实验结果表明,在特征点损失仅少量增加的前提下,准确率从97.26%增长到98.83%,提升了1.57个百分点。其次,提出一种基于Eye and Mouth-CNN（EM-CNN）的眼嘴多状态识别网络。由于检测信息少会对驾驶员多姿态人脸的区域造成误判,因此对驾驶员的双眼和嘴巴状态进行识别。为减少光照变化、坐姿差异以及眼镜遮挡等因素的影响,提高对复杂环境的适应性,采集真实驾驶环境中的4000张驾驶员图片进行预训练。实验结果表明EM-CNN的平均准确率达到9...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
道路交通事故成因Figure1-1Causesofroadtrafficaccidents
工程硕士专业学位论文2图1-22013-2017年全国交通事故发生情况Figure1-2Theoccurrenceofnationaltrafficaccidentsin2013-2017图1-32017年中国交通事故车型情况Figure1-3ThemotorcycletypeofChina"strafficaccidentsin20171.2国内外研究现状（ResearchStatusatHomeandAbroad）疲劳驾驶检测方法通常基于如下：（1）基于生理指标。脑电（EEG）、心电（ECG）和眼电（EOG）等生理信号将随着驾驶员进入疲劳状态而发生显著变化[7]。Rohit等人[8]通过线性判别分析（LDA）和支持向量机（SVM）分析脑电图特征，实时检测驾驶员的困倦情绪。Tasaki等人[9]利用心电图实时检测驾驶员心率以推理疲劳驾驶程度。彭军强[10]结合脑电信号和肌电信号特征对驾驶员疲劳状态进行判定。张弛等人[11]设计了基于脑电图、肌电图和眼电图的实时疲劳驾驶识别系统。
工程硕士专业学位论文2图1-22013-2017年全国交通事故发生情况Figure1-2Theoccurrenceofnationaltrafficaccidentsin2013-2017图1-32017年中国交通事故车型情况Figure1-3ThemotorcycletypeofChina"strafficaccidentsin20171.2国内外研究现状（ResearchStatusatHomeandAbroad）疲劳驾驶检测方法通常基于如下：（1）基于生理指标。脑电（EEG）、心电（ECG）和眼电（EOG）等生理信号将随着驾驶员进入疲劳状态而发生显著变化[7]。Rohit等人[8]通过线性判别分析（LDA）和支持向量机（SVM）分析脑电图特征，实时检测驾驶员的困倦情绪。Tasaki等人[9]利用心电图实时检测驾驶员心率以推理疲劳驾驶程度。彭军强[10]结合脑电信号和肌电信号特征对驾驶员疲劳状态进行判定。张弛等人[11]设计了基于脑电图、肌电图和眼电图的实时疲劳驾驶识别系统。
【参考文献】：
期刊论文
[1]基于模糊综合评价的疲劳驾驶检测算法研究[J]. 潘志庚,刘荣飞,张明敏. 软件学报. 2019(10)
[2]基于深度学习神经网络技术的数字电视监测平台告警模型的研究[J]. 韦坚,刘爱娟,唐剑文. 有线电视技术. 2017(07)
[3]基于面部行为分析的驾驶员疲劳检测方法[J]. 耿磊,袁菲,肖志涛,张芳,吴骏,李月龙. 计算机工程. 2018(01)
[4]基于嘴部内轮廓特征的疲劳检测[J]. 王霞,仝美娇,王蒙军. 科学技术与工程. 2016(26)
[5]一种基于眼部状态的疲劳驾驶检测方法[J]. 毛须伟,景文博,王晓曼,刘学,张姗姗,张茂桢. 长春理工大学学报(自然科学版). 2016(02)
[6]基于脑电图识别结合操纵特征的驾驶疲劳检测[J]. 王斐,王少楠,王惜慧,彭莹,杨乙丁. 仪器仪表学报. 2014(02)
[7]3D女性头像建模要点分析[J]. 张寒叶. 宁德师专学报(自然科学版). 2010(02)
[8]全球道路安全现状[J]. 王正国. 中华创伤杂志. 2010 (05)
[9]一种基于PERCLOS驾驶员疲劳检测方法的实现算法[J]. 万玉丽,谢金法. 农业装备技术. 2009(02)
[10]基于机器学习的计算机辅助诊断模型的研究[J]. 吕晓燕,罗立民,李祥生,郭建军. 计算机工程与应用. 2008(35)
博士论文
[1]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
本文编号：3605086
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
道路交通事故成因Figure1-1Causesofroadtrafficaccidents
工程硕士专业学位论文2图1-22013-2017年全国交通事故发生情况Figure1-2Theoccurrenceofnationaltrafficaccidentsin2013-2017图1-32017年中国交通事故车型情况Figure1-3ThemotorcycletypeofChina"strafficaccidentsin20171.2国内外研究现状（ResearchStatusatHomeandAbroad）疲劳驾驶检测方法通常基于如下：（1）基于生理指标。脑电（EEG）、心电（ECG）和眼电（EOG）等生理信号将随着驾驶员进入疲劳状态而发生显著变化[7]。Rohit等人[8]通过线性判别分析（LDA）和支持向量机（SVM）分析脑电图特征，实时检测驾驶员的困倦情绪。Tasaki等人[9]利用心电图实时检测驾驶员心率以推理疲劳驾驶程度。彭军强[10]结合脑电信号和肌电信号特征对驾驶员疲劳状态进行判定。张弛等人[11]设计了基于脑电图、肌电图和眼电图的实时疲劳驾驶识别系统。
工程硕士专业学位论文2图1-22013-2017年全国交通事故发生情况Figure1-2Theoccurrenceofnationaltrafficaccidentsin2013-2017图1-32017年中国交通事故车型情况Figure1-3ThemotorcycletypeofChina"strafficaccidentsin20171.2国内外研究现状（ResearchStatusatHomeandAbroad）疲劳驾驶检测方法通常基于如下：（1）基于生理指标。脑电（EEG）、心电（ECG）和眼电（EOG）等生理信号将随着驾驶员进入疲劳状态而发生显著变化[7]。Rohit等人[8]通过线性判别分析（LDA）和支持向量机（SVM）分析脑电图特征，实时检测驾驶员的困倦情绪。Tasaki等人[9]利用心电图实时检测驾驶员心率以推理疲劳驾驶程度。彭军强[10]结合脑电信号和肌电信号特征对驾驶员疲劳状态进行判定。张弛等人[11]设计了基于脑电图、肌电图和眼电图的实时疲劳驾驶识别系统。
【参考文献】：
期刊论文
[1]基于模糊综合评价的疲劳驾驶检测算法研究[J]. 潘志庚,刘荣飞,张明敏. 软件学报. 2019(10)
[2]基于深度学习神经网络技术的数字电视监测平台告警模型的研究[J]. 韦坚,刘爱娟,唐剑文. 有线电视技术. 2017(07)
[3]基于面部行为分析的驾驶员疲劳检测方法[J]. 耿磊,袁菲,肖志涛,张芳,吴骏,李月龙. 计算机工程. 2018(01)
[4]基于嘴部内轮廓特征的疲劳检测[J]. 王霞,仝美娇,王蒙军. 科学技术与工程. 2016(26)
[5]一种基于眼部状态的疲劳驾驶检测方法[J]. 毛须伟,景文博,王晓曼,刘学,张姗姗,张茂桢. 长春理工大学学报(自然科学版). 2016(02)
[6]基于脑电图识别结合操纵特征的驾驶疲劳检测[J]. 王斐,王少楠,王惜慧,彭莹,杨乙丁. 仪器仪表学报. 2014(02)
[7]3D女性头像建模要点分析[J]. 张寒叶. 宁德师专学报(自然科学版). 2010(02)
[8]全球道路安全现状[J]. 王正国. 中华创伤杂志. 2010 (05)
[9]一种基于PERCLOS驾驶员疲劳检测方法的实现算法[J]. 万玉丽,谢金法. 农业装备技术. 2009(02)
[10]基于机器学习的计算机辅助诊断模型的研究[J]. 吕晓燕,罗立民,李祥生,郭建军. 计算机工程与应用. 2008(35)
博士论文
[1]基于信息融合的疲劳驾驶检测方法研究[D]. 牛清宁.吉林大学 2014
本文编号：3605086
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3605086.html
