基于Kinect的驾驶员状态检测系统设计与实现

发布时间：2020-05-24 01:25

【摘要】：随着经济、社会的不断发展,交通运输业得到快速发展,我国的汽车数量正在迅速增长,随之而来,交通事故问题急剧增加并呈上升趋势。由于在交通事故中,85%是人为因素造成的,可见对驾驶员的状态进行实时监测,并进行及时预警具有重要意义。目前驾驶员状态检测应用还比较少,普遍存在实时性差、准确度低、环境要求高、检测方式单一、繁琐等问题。针对上述问题,本文对国内外研究现状进行研究分析,设计并实现了基于Kinect的驾驶员状态检测系统,能够实时地对驾驶员异常状态进行预警,具有很好的车载实用价值。驾驶员状态检测系统主要解决了夜间检测、检测方式以及检测性能三个关键问题。本文采用Kinect摄像头作为图像采集设备,具有不受光照条件影响的特性,可以在白天和夜间同时进行检测。在检测方式方面,本文对驾驶员的眨眼频率、闭眼时间以及打哈欠频率进行综合检测判断,有效的提高了检测的准确性。在检测性能方面,本文对AAM人脸特征点定位算法进行研究,并提出改进方法,以解决特征点定位不准确和实时性不高的问题。本文设计的驾驶员状态检测系统分为Kinect图像采集终端,状态检测终端和后台管理端三个部分。主要工作包括对系统需求进行分析,制定系统的总体方案,然后根据总体方案采用层次化和结构化的思想,对系统功能模块进行详细设计与实现。功能模块包括状态检测终端的图像采集模块、人脸识别模块、状态分析模块、报警模块和后台管理端的用户管理模块、实时显示模块、图片管理模块。最后为了验证系统的可行性,对系统进行功能和性能测试,并对结果进行分析。测试结果表明,不同场景情况下,系统对驾驶员状态检测的准确率达到了80%,并且能够在1s时间内对驾驶员的状态做出判断并采取相应措施。
【图文】：

图 2.6 迷你主机示意图2. 开发工具包选择目前，常见的图像处理开发工具包主要有 Kinect SDK、OpenCV 和 Op对这三种开发工具包进行分析，，选择适合本文的开发工具包。

原始AAM和AAM与ASM融合定位结果
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TP391.41

【参考文献】

相关期刊论文 前7条

1 蔡菁;程雷;王红霞;;基于Kinect的疲劳驾驶综合监测系统研究[J];计算机工程与科学;2015年12期

2 石曼银;;Kinect技术与工作原理的研究[J];哈尔滨师范大学自然科学学报;2013年03期

3 孔令铮;;交通事故致因中的人为因素分析[J];中国安全科学学报;2013年01期

4 刘纪红;李中帆;;基于视频的人眼跟踪方法研究[J];小型微型计算机系统;2012年09期

5 王利;艾玲梅;王四万;罗万志;;驾驶疲劳脑电信号节律的特征分析[J];生物医学工程学杂志;2012年04期

6 武勃,黄畅,艾海舟,劳世z

本文编号：2678246