疲劳驾驶检测方法研究与软件设计
发布时间:2017-10-25 02:29
本文关键词:疲劳驾驶检测方法研究与软件设计
更多相关文章: 粒子群 卡尔曼滤波 PERCLOS C++ Android
【摘要】:近年来,随着汽车城市化的进程越来越快,物流运输业也在飞速发展,驾驶员队伍不断壮大。与此同时,道路交通事故也越来越多。研究表明,疲劳驾驶是交通事故发生的重要原因之一。因此,深入研究疲劳驾驶检测的相关技术是十分必要的,且具有极大的社会意义。目前,基于图像处理的疲劳驾驶检测技术因其非接触、速度快、抗干扰能力强等优点,引起了国内学者的极大兴趣,迅速成为研究热点。随着检测技术的不断进步,人们对检测准确度的需求也越来越高。本文对其中的一些算法进行了深入的研究并作了改进工作,同时设计了基于Android系统的疲劳驾驶检测软件。具体的研究内容如下:首先,提出了基于非线性粒子群和最小二乘法的人眼轮廓拟合算法。在最小二椭圆拟合中,所有的边缘点都参与了拟合,但由于一些偏差较大边缘点的存在,降低了拟合的准确度。针对这一点,本文以点到待拟合椭圆的代数距离为目标函数,建立优化椭圆参数模型。首先基于优化后的边缘点利用最小二乘法获得椭圆初始参数值,然后通过提出的非线性粒子群算法不断地迭代寻优,最终得到最佳逼近椭圆。实验结果表明改进后的算法提高了拟合的准确度。第二,对卡尔曼滤波跟踪模型以及MeanShift算法进行了深入的研究,针对MeanShift算法在人眼运动较快时容易出现丢失帧的问题,本文采用一种基于卡尔曼与Mean Shift相结合的眼睛跟踪算法并建立匀变速卡尔曼滤波跟踪模型。首先,将前两帧眼睛的中心位置及协方差作为滤波器的观测值,并利用滤波器预测在当前帧中眼睛的可能位置,将它作为MeanShift的输入值。然后,基于眼睛的灰度分布特征,在预测的邻域内使用MeanShift迭代算法搜索与人眼模板最为相似的目标。仿真实验表明提出的方法有很好的跟踪效果。本文首先基于Visual Studio 2010和OpenCV完成了算法的验证。此外,针对现实的需要,本文设计了一款基于Android系统的疲劳驾驶检测软件,测试结果表明,该软件实现了对疲劳驾驶的有效检测,并且后续疲劳驾驶检测系统功能的开发也可在此软件上进行。
【关键词】:粒子群 卡尔曼滤波 PERCLOS C++ Android
【学位授予单位】:齐齐哈尔大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:U463.6;TP391.41
【目录】:
- 摘要4-5
- Abstract5-9
- 1 绪论9-14
- 1.1 选题的背景及意义9-10
- 1.2 国内外的研究现状10-12
- 1.3 论文的主要研究内容12-14
- 2 疲劳驾驶检测系统关键技术14-18
- 2.1 人脸检测14
- 2.2 人眼检测14-15
- 2.3 人眼跟踪15-16
- 2.4 特征提取16
- 2.5 疲劳判定标准16-17
- 2.6 本章小结17-18
- 3 需求分析与实现方案18-22
- 3.1 需求分析18
- 3.2 实现方案18-21
- 3.3 本章小结21-22
- 4 算法设计与实现22-47
- 4.1 人脸-人眼检测模块22-31
- 4.1.1 Haar-like特征与积分图22-23
- 4.1.2 分类器的构造与级联23-25
- 4.1.3 构造人脸-人眼分类器25-29
- 4.1.4 实验结果分析29-31
- 4.2 人眼跟踪模块31-35
- 4.2.1 卡尔曼滤波31-32
- 4.2.2 MeanShift32-33
- 4.2.3 匀变速卡尔曼滤波跟踪模型33-34
- 4.2.4 实验结果分析34-35
- 4.3 特征参数提取模块35-43
- 4.3.1 拟合前预处理35-37
- 4.3.2 改进最小二乘椭圆拟合算法37-42
- 4.3.3 结果对比分析42-43
- 4.4 疲劳判定模块43-46
- 4.4.1 特征参数归一化43-44
- 4.4.2 驾驶疲劳判定标准44-45
- 4.4.3 实验结果分析45-46
- 4.5 本章小结46-47
- 5 疲劳驾驶检测软件设计47-57
- 5.1 JNI技术47
- 5.2 软件框架设计47-49
- 5.3 开发环境的搭建49-51
- 5.4 应用软件的实现51-55
- 5.5 本章小结55-57
- 结论57-58
- 参考文献58-61
- 攻读硕士学位期间学术成果情况61-62
- 致谢62
【参考文献】
中国期刊全文数据库 前6条
1 张希波;成波;冯睿嘉;;基于方向盘操作的驾驶人疲劳状态实时检测方法[J];清华大学学报(自然科学版);2010年07期
2 毛科俊;刘小明;赵晓华;荣建;;基于脑电信号的驾驶疲劳预报关键参数选取[J];北京工业大学学报;2010年07期
3 毛科俊;赵晓华;刘小明;荣建;;基于脑电分析的驾驶疲劳预报研究[J];人类工效学;2009年04期
4 成波;冯睿嘉;张伟;李家文;张希波;;基于多源信息融合的驾驶人疲劳状态监测及预警方法研究[J];公路交通科技;2009年S1期
5 陈勇;黄琦;刘霞;张昌华;;一种全天候驾驶员疲劳检测方法研究[J];仪器仪表学报;2009年03期
6 施树明,金立生,王荣本,童兵亮;基于机器视觉的驾驶员嘴部状态检测方法[J];吉林大学学报(工学版);2004年02期
,本文编号:1091687
本文链接:https://www.wllwen.com/kejilunwen/qiche/1091687.html