基于面部信息融合的驾驶员警惕性检测研究
发布时间：2021-02-23 19:11
随着经济飞速发展,国内机动车保有量超过三亿辆,给社会带来便捷的同时,也因大量交通事故造成了巨大损失。相关研究和统计报告表明,交通事故主要起因是驾驶员警惕性降低,因此,驾驶员警惕性检测的研究,对于改善交通道路安全具有重大意义。警惕性包含注意力程度和疲劳状态两个主要因素,然而传统的警惕性研究中,通常只考虑了其中之一。为全面检测驾驶员警惕性,本文基于面部信息融合的方法,围绕面部特征点定位方法、关键特征点跟踪方法、警惕性检测模型搭建等核心问题展开研究。具体研究工作如下:1、驾驶员面部特征点定位。针对简单的特征点定位方法精度和鲁棒性不足的问题,提出基于修正主动形状模型（ASM）的人脸特征点定位方法。首先建立了包含26个特征点的人脸ASM,其次通过将面部结构约束引入平均合成精确滤波器（ASEF）,抑制不合理输出,并利用旋转并联的方法进一步增强了鲁棒性,然后将改进ASEF用于修正人脸ASM。最后通过实验,验证了所提方法能够有效提高特征点的定位精度。2、驾驶员面部特征点跟踪。针对特征点定位难以适应头部姿态变化所产生的检测视线方向困难的问题,提出基于自适应ASEF相关滤波的特征点跟踪方法。首先,通过将多...
【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】：74 页
【学位级别】：硕士
【部分图文】：
驾驶员注意力分散示意图
盘的转动、刹车和油门的松和踩等，分析车低，并进一步得到驾驶员警惕性状态。等在方向盘位置安装传感器，检测驾驶员对方惕性降低，产生疲劳时，方向盘精度显著下态下的八十多组数据分析，车道偏移量参数量与方向盘之间存在一定的转换关系；FrieK-近邻、贝叶斯和神经网络算法应用于对驾驶84%的准确率获得了最高精度；毛喆[31]等在随着疲劳状态的加深，驾驶员对车速的控制准差小；石坚[32]等将模糊神经网络和 BP 神驾驶员警惕性状状态。综合车速、行程、发动机状态、横向加速度、转向转矩、车内温度等共十多个参数，判性下降后，则会通过声音、提示灯等参数提
图 2-2 摄像头的 5 个方位Figure 2-2 Position of the 5 cameras，5 个方向中缺少从左侧采集的照片，根据的照片水平翻转，得到的照片可当作从左侧方 7 个方向、10 种光照、276 个不同人物的 525对应 7 个不同方向的照片，其中 f、g 分别由f a b c 图 2-3 扩充后的 MUCT 的人脸数据集Figure 2-3 Expanded MUCT face dataset的定位结果，特征点定位主要针对驾驶员正面
【参考文献】：
期刊论文
[1]基于脑电信号的情绪特征提取与分类[J]. 柳长源,李文强,毕晓君. 传感技术学报. 2019(01)
[2]基于ASM的驾驶员面部疲劳状态识别方法[J]. 闫河,杨晓龙,张杨,董莺艳,王鹏. 计算机工程与设计. 2018(10)
[3]基于多面部特征融合的驾驶员疲劳检测算法[J]. 刘炜煌,钱锦浩,姚增伟,焦新涛,潘家辉. 计算机系统应用. 2018(10)
[4]功能性近红外光谱成像技术在脑功能成像中的应用研究进展[J]. 曹朝霞,张彦峰,韩雅迪,赵中亭,严兴科. 甘肃中医药大学学报. 2018(03)
[5]哈欠检测研究综述[J]. 郑伟超,袁平,殷锋. 现代计算机(专业版). 2018(07)
[6]基于功能性近红外光谱技术的脑机接口[J]. 焦学军,张朕,姜劲,王春慧,杨涵钧,徐凤刚,曹勇,傅嘉豪. 上海交通大学学报. 2017(12)
[7]智能交通系统（ITS）的意义与运用[J]. 李辰祺. 中国战略新兴产业. 2017(44)
[8]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)
[9]基于TGAM模块的疲劳驾驶监测系统[J]. 杜冠宏,李庆之,董正心. 新型工业化. 2016(08)
[10]驾驶人注意力分散的图像检测与分级预警[J]. 程文冬,付锐,袁伟,刘卓凡,张名芳,刘通. 计算机辅助设计与图形学学报. 2016(08)
博士论文
[1]基于机器视觉的复杂工况下驾驶人疲劳状态检测方法研究[D]. 张波.清华大学 2015
[2]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
硕士论文
[1]基于近红外光谱技术的驾驶员注意力分散态脑功能连接特性分析[D]. 徐功铖.山东大学 2018
[2]高鲁棒性驾驶员疲劳检测方法研究[D]. 杨倩.北京邮电大学 2017
[3]基于表情与头部状态识别的疲劳驾驶检测算法的研究[D]. 邹昕彤.吉林大学 2017
[4]驾驶人视觉注意力分散检测方法研究[D]. 李胜江.吉林大学 2015
[5]基于PERCLOS的列车司机驾驶疲劳检测研究[D]. 李强.北京交通大学 2014
[6]心率变异性在汽车司机驾驶疲劳监测中应用的研究[D]. 刘灵.重庆大学 2007
[7]基于人体生理信号的驾驶疲劳研究方法及其应用[D]. 张祖怀.哈尔滨工业大学 2006
[8]基于驾驶员生理特征分析的驾驶疲劳状态识别方法研究[D]. 毛喆.武汉理工大学 2006
本文编号：3048087
【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】：74 页
【学位级别】：硕士
【部分图文】：
驾驶员注意力分散示意图
盘的转动、刹车和油门的松和踩等，分析车低，并进一步得到驾驶员警惕性状态。等在方向盘位置安装传感器，检测驾驶员对方惕性降低，产生疲劳时，方向盘精度显著下态下的八十多组数据分析，车道偏移量参数量与方向盘之间存在一定的转换关系；FrieK-近邻、贝叶斯和神经网络算法应用于对驾驶84%的准确率获得了最高精度；毛喆[31]等在随着疲劳状态的加深，驾驶员对车速的控制准差小；石坚[32]等将模糊神经网络和 BP 神驾驶员警惕性状状态。综合车速、行程、发动机状态、横向加速度、转向转矩、车内温度等共十多个参数，判性下降后，则会通过声音、提示灯等参数提
图 2-2 摄像头的 5 个方位Figure 2-2 Position of the 5 cameras，5 个方向中缺少从左侧采集的照片，根据的照片水平翻转，得到的照片可当作从左侧方 7 个方向、10 种光照、276 个不同人物的 525对应 7 个不同方向的照片，其中 f、g 分别由f a b c 图 2-3 扩充后的 MUCT 的人脸数据集Figure 2-3 Expanded MUCT face dataset的定位结果，特征点定位主要针对驾驶员正面
【参考文献】：
期刊论文
[1]基于脑电信号的情绪特征提取与分类[J]. 柳长源,李文强,毕晓君. 传感技术学报. 2019(01)
[2]基于ASM的驾驶员面部疲劳状态识别方法[J]. 闫河,杨晓龙,张杨,董莺艳,王鹏. 计算机工程与设计. 2018(10)
[3]基于多面部特征融合的驾驶员疲劳检测算法[J]. 刘炜煌,钱锦浩,姚增伟,焦新涛,潘家辉. 计算机系统应用. 2018(10)
[4]功能性近红外光谱成像技术在脑功能成像中的应用研究进展[J]. 曹朝霞,张彦峰,韩雅迪,赵中亭,严兴科. 甘肃中医药大学学报. 2018(03)
[5]哈欠检测研究综述[J]. 郑伟超,袁平,殷锋. 现代计算机(专业版). 2018(07)
[6]基于功能性近红外光谱技术的脑机接口[J]. 焦学军,张朕,姜劲,王春慧,杨涵钧,徐凤刚,曹勇,傅嘉豪. 上海交通大学学报. 2017(12)
[7]智能交通系统（ITS）的意义与运用[J]. 李辰祺. 中国战略新兴产业. 2017(44)
[8]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)
[9]基于TGAM模块的疲劳驾驶监测系统[J]. 杜冠宏,李庆之,董正心. 新型工业化. 2016(08)
[10]驾驶人注意力分散的图像检测与分级预警[J]. 程文冬,付锐,袁伟,刘卓凡,张名芳,刘通. 计算机辅助设计与图形学学报. 2016(08)
博士论文
[1]基于机器视觉的复杂工况下驾驶人疲劳状态检测方法研究[D]. 张波.清华大学 2015
[2]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
硕士论文
[1]基于近红外光谱技术的驾驶员注意力分散态脑功能连接特性分析[D]. 徐功铖.山东大学 2018
[2]高鲁棒性驾驶员疲劳检测方法研究[D]. 杨倩.北京邮电大学 2017
[3]基于表情与头部状态识别的疲劳驾驶检测算法的研究[D]. 邹昕彤.吉林大学 2017
[4]驾驶人视觉注意力分散检测方法研究[D]. 李胜江.吉林大学 2015
[5]基于PERCLOS的列车司机驾驶疲劳检测研究[D]. 李强.北京交通大学 2014
[6]心率变异性在汽车司机驾驶疲劳监测中应用的研究[D]. 刘灵.重庆大学 2007
[7]基于人体生理信号的驾驶疲劳研究方法及其应用[D]. 张祖怀.哈尔滨工业大学 2006
[8]基于驾驶员生理特征分析的驾驶疲劳状态识别方法研究[D]. 毛喆.武汉理工大学 2006
本文编号：3048087
本文链接：https://www.wllwen.com/kejilunwen/qiche/3048087.html
