基于视频序列的驾驶员疲劳检测算法研究
发布时间：2021-04-25 17:03
驾驶员在疲劳状态下时会出现连续眨眼和打哈欠等疲劳行为,所以本文通过检测眨眼频率和打哈欠频率并进行信息融合的方式来检测驾驶员疲劳状态。同时针对佩戴眼镜而导致眨眼检测准确率降低的问题进行了驾驶员眼镜摘除算法研究,具体工作如下:1.分析各类人脸检测算法的准确性和实效性,设计了一种高斯分布模型对输入图像的皮肤区域进行分割,再通过模板匹配算法精确定位驾驶员面部区域,提出了一种基于肤色分割和模板匹配的人脸检测算法用于驾驶员疲劳检测。2.针对驾驶员佩戴眼镜而导致疲劳检测算法准确率降低的问题,本文提出了一种基于PCA/ICA迭代补偿的眼镜摘除算法对驾驶员进行眼镜摘除。通过PCA和ICA相结合的方式对无眼镜人脸图像进行重建,利用迭代补偿算法消除原始眼镜区域与面部其他区域的灰度边界,使合成后的无眼镜人脸图像更加接近于原始图像。3.分析MB-LBP特征相比传统LBP特征和Haar-like特征的优点,提出了一种基于MB-LBP和Adaboost的驾驶员面部关键点检测算法。利用所训练的分类器在驾驶员人脸检测结果中精确定位24个眼睛和嘴巴关键点坐标。4.结合PERCLOS特征参数与模糊推理系统,本文将驾驶员的疲...
【文章来源】：兰州理工大学甘肃省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 相关技术国内外研究现状
1.2.1 基于生理信号的疲劳检测算法
1.2.2 基于车辆行为的疲劳检测算法
1.2.3 基于面部表情的疲劳检测算法
1.3 本文主要研究内容与创新点
1.4 结构安排
1.5 本章小结
第2章 基于肤色分割和模板匹配的人脸检测算法
2.1 引言
2.2 人脸检测方法概述
2.3 基于高斯分布的肤色分割
2.3.1 人脸图像光照补偿
2.3.2 人脸肤色高斯模型
2.3.3 肤色分割
2.4 模板匹配
2.5 实验仿真及结果评价
2.6 本章小结
第3章 基于PCA/ICA迭代补偿的眼镜摘除算法
3.1 引言
3.2 眼镜摘除方法概述
3.3 无眼镜人脸重建
3.3.1 PCA重建算法
3.3.2 ICA重建算法
3.3.3 PCA/ICA人脸重建
3.4 眼镜区域提取
3.5 迭代补偿去除灰度边界
3.6 试验仿真及结果评价
3.7 本章小结
第4章 基于MBP-LBP和 Adaboost的面部关键点检测算法
4.1 引言
4.2 MB-LBP特征概述
4.2.1 传统Haar-like特征
4.2.2 传统LBP特征
4.2.3 MB-LBP特征
4.3 Adaboost算法概述
4.4 驾驶员面部关键点分类器的构造
4.5 试验仿真及结果评价
4.6 本章小结
第5章 驾驶员疲劳状态判定
5.1 引言
5.2 驾驶员疲劳行为检测
5.2.1 PERCLOS疲劳参数概述
5.2.2 眨眼阈值和打哈欠阈值
5.3 模糊推理系统
5.4 实验仿真及结果评价
5.5 本章小结
结论与展望
参考文献
致谢
【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]一种基于多传感器融合的疲劳驾驶检测方法[J]. 张长隆. 汽车实用技术. 2018(24)
[3]基于肤色匹配和积分投影结合的人眼定位方法研究[J]. 荔小虎,唐晶磊. 自动化应用. 2018(12)
[4]高海拔地区驾驶员疲劳特性分析[J]. 田林,许金良,贾兴利,房建宏. 公路交通科技. 2018(11)
[5]基于多生理信息及迁移学习的驾驶疲劳评估[J]. 谢平,齐孟松,张园园,刘兆军,程生翠. 仪器仪表学报. 2018(10)
[6]基于语音心理声学分析的驾驶疲劳检测[J]. 李响,李国正,石俊刚,彭理群. 仪器仪表学报. 2018(10)
[7]地铁驾驶员驾驶疲劳状态监测[J]. 姜兴宇,徐海峰,吴善春,赵地. 中国安全科学学报. 2018(06)
[8]草原公路长时程行车时驾驶人的脑电特征分析[J]. 柴家发,戚春华,朱守林,高明星,王玉化. 科学技术与工程. 2018(14)
[9]基于车辆行驶数据的驾驶人行为谱分析方法[J]. 陈镜任,吴业福,吴冰. 计算机应用. 2018(07)
[10]SR-CNN融合决策的眼部状态识别方法[J]. 黄斌,陈仁文,周秦邦,唐杰. 哈尔滨工程大学学报. 2018(07)
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
硕士论文
[1]基于瞳孔霍夫变换的司机疲劳检测算法研究与实现[D]. 高莹.西安理工大学 2018
[2]基于图像的非接触式人体测量与建模技术研究[D]. 王力.西安工程大学 2018
[3]基于自然驾驶数据的UBI定价模型研究[D]. 王欣.北京交通大学 2018
[4]基于卷积神经网络的驾驶员疲劳检测[D]. 张智腾.湖南大学 2018
[5]基于主动形状模型的多特征融合驾驶员疲劳检测算法研究[D]. 刘浏.湖南大学 2017
[6]基于人脸特征的驾驶员疲劳检测算法与实现[D]. 黄斌.南京航空航天大学 2017
[7]基于生理与操作行为典型参数的驾驶疲劳程度研究[D]. 黄姣.华南理工大学 2016
[8]基于DSP的驾驶疲劳检测系统的研究与实现[D]. 王光娟.江苏大学 2007
[9]驾驶员疲劳监控系统中人脸检测与识别研究[D]. 盛敬.东北大学 2006
本文编号：3159762
【文章来源】：兰州理工大学甘肃省
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及意义
1.2 相关技术国内外研究现状
1.2.1 基于生理信号的疲劳检测算法
1.2.2 基于车辆行为的疲劳检测算法
1.2.3 基于面部表情的疲劳检测算法
1.3 本文主要研究内容与创新点
1.4 结构安排
1.5 本章小结
第2章 基于肤色分割和模板匹配的人脸检测算法
2.1 引言
2.2 人脸检测方法概述
2.3 基于高斯分布的肤色分割
2.3.1 人脸图像光照补偿
2.3.2 人脸肤色高斯模型
2.3.3 肤色分割
2.4 模板匹配
2.5 实验仿真及结果评价
2.6 本章小结
第3章 基于PCA/ICA迭代补偿的眼镜摘除算法
3.1 引言
3.2 眼镜摘除方法概述
3.3 无眼镜人脸重建
3.3.1 PCA重建算法
3.3.2 ICA重建算法
3.3.3 PCA/ICA人脸重建
3.4 眼镜区域提取
3.5 迭代补偿去除灰度边界
3.6 试验仿真及结果评价
3.7 本章小结
第4章 基于MBP-LBP和 Adaboost的面部关键点检测算法
4.1 引言
4.2 MB-LBP特征概述
4.2.1 传统Haar-like特征
4.2.2 传统LBP特征
4.2.3 MB-LBP特征
4.3 Adaboost算法概述
4.4 驾驶员面部关键点分类器的构造
4.5 试验仿真及结果评价
4.6 本章小结
第5章 驾驶员疲劳状态判定
5.1 引言
5.2 驾驶员疲劳行为检测
5.2.1 PERCLOS疲劳参数概述
5.2.2 眨眼阈值和打哈欠阈值
5.3 模糊推理系统
5.4 实验仿真及结果评价
5.5 本章小结
结论与展望
参考文献
致谢
【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]一种基于多传感器融合的疲劳驾驶检测方法[J]. 张长隆. 汽车实用技术. 2018(24)
[3]基于肤色匹配和积分投影结合的人眼定位方法研究[J]. 荔小虎,唐晶磊. 自动化应用. 2018(12)
[4]高海拔地区驾驶员疲劳特性分析[J]. 田林,许金良,贾兴利,房建宏. 公路交通科技. 2018(11)
[5]基于多生理信息及迁移学习的驾驶疲劳评估[J]. 谢平,齐孟松,张园园,刘兆军,程生翠. 仪器仪表学报. 2018(10)
[6]基于语音心理声学分析的驾驶疲劳检测[J]. 李响,李国正,石俊刚,彭理群. 仪器仪表学报. 2018(10)
[7]地铁驾驶员驾驶疲劳状态监测[J]. 姜兴宇,徐海峰,吴善春,赵地. 中国安全科学学报. 2018(06)
[8]草原公路长时程行车时驾驶人的脑电特征分析[J]. 柴家发,戚春华,朱守林,高明星,王玉化. 科学技术与工程. 2018(14)
[9]基于车辆行驶数据的驾驶人行为谱分析方法[J]. 陈镜任,吴业福,吴冰. 计算机应用. 2018(07)
[10]SR-CNN融合决策的眼部状态识别方法[J]. 黄斌,陈仁文,周秦邦,唐杰. 哈尔滨工程大学学报. 2018(07)
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
硕士论文
[1]基于瞳孔霍夫变换的司机疲劳检测算法研究与实现[D]. 高莹.西安理工大学 2018
[2]基于图像的非接触式人体测量与建模技术研究[D]. 王力.西安工程大学 2018
[3]基于自然驾驶数据的UBI定价模型研究[D]. 王欣.北京交通大学 2018
[4]基于卷积神经网络的驾驶员疲劳检测[D]. 张智腾.湖南大学 2018
[5]基于主动形状模型的多特征融合驾驶员疲劳检测算法研究[D]. 刘浏.湖南大学 2017
[6]基于人脸特征的驾驶员疲劳检测算法与实现[D]. 黄斌.南京航空航天大学 2017
[7]基于生理与操作行为典型参数的驾驶疲劳程度研究[D]. 黄姣.华南理工大学 2016
[8]基于DSP的驾驶疲劳检测系统的研究与实现[D]. 王光娟.江苏大学 2007
[9]驾驶员疲劳监控系统中人脸检测与识别研究[D]. 盛敬.东北大学 2006
本文编号：3159762
本文链接：https://www.wllwen.com/kejilunwen/qiche/3159762.html
