基于眨眼间隔时间序列的疲劳驾驶状态分析
发布时间：2021-05-23 19:20
因为科技的进步和人们生活条件的提高,路面上的车越来越多,交通事故率也居高不下,而其主要原因之一是疲劳驾驶。虽然各地有明确规定禁止疲劳驾驶,但其仍存在隐蔽性和主观性,不仅交管部门难以发现,驾驶员也难以发觉自身进入疲劳状态。因此,疲劳驾驶的检测技术研究对学术和社会有着重要的意义。本文将嵌入式、图像处理、机器学习算法、深度学习算法结合,设计一种疲劳驾驶检测系统,以实现基于眨眼间隔时间序列的疲劳驾驶检测。疲劳驾驶检测系统涉及硬件部分和软件部分,硬件部分由控制模块,检测模块,报警模块与模拟驾驶模块组成;软件部分主要由人脸检测算法、人眼定位算法、机器学习分类算法和LSTM（Long short-term memory）网络组成。本文构建了人脸检测的数据库,对人脸分类器进行训练,识别出人脸后采用Hough变换定位人眼,以此来采集人眼眨眼间隔时间,并且利用动态时间规整算法与K近邻算法进行眨眼间隔时间序列与疲劳驾驶状态的相关性验证;通过计算得到了强相关联性后,利用眨眼间隔时间数据对LSTM网络模型进行训练,并将模型分为白天和夜晚,最终通过这两个模型实现不同时间段的疲劳状态实时检测。通过实验结果表明,本系...
【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本文的研究背景及意义
1.2 国内外研究现状
1.2.1 主观测评法
1.2.2 基于生理参数的检测方法
1.2.3 基于汽车行驶信息的检测方法
1.2.4 基于视觉特征的检测方法
1.3 本文主要研究内容
1.4 论文的主要章节结构
第二章 疲劳驾驶检测的总体设计与软硬件实现
2.1 疲劳驾驶检测的总体设计
2.2 疲劳驾驶检测系统硬件系统
2.2.1 控制模块
2.2.2 检测报警模块
2.2.3 图像采集模块
2.2.4 模拟驾驶模块
2.3 疲劳驾驶检测的软件实现
2.4 人脸人眼检测技术
2.5 本章小结
第三章 疲劳驾驶检测的方法与研究
3.1 人脸检测的实现
3.1.1 人脸样本采集与预处理
3.1.2 人脸图像预处理
3.1.3 训练人脸检测分类器
3.2 人眼定位的实现
3.2.1 图像边缘提取
3.2.2 基于Houh变换定位人眼
3.3 眨眼间隔时间数据的收集
3.3.1 数据收集规则
3.3.2 眨眼间隔时间部分数据展示
3.4 眨眼间隔时间与疲劳驾驶状态的相关性分析
3.4.1 动态时间规整算法
3.4.2 基于DTW的眨眼间隔时间相似度计算
3.4.3 基于K近邻算法的相关性验证
3.5 眨眼间隔时间与驾驶时所处的白天夜晚相关性分析
3.5.1 动态时间规整计算
3.5.2 相关性验证
3.6 基于疲劳驾驶改进的Reweighted-DTW算法
3.7 本章小结
第四章 基于眨眼间隔时间的实时状态分析
4.1 LSTM介绍
4.2 LSTM网络训练
4.3 基于LSTM网络模型的实时检测
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
硕士期间的科研成果
【参考文献】：
期刊论文
[1]用于疲劳检测系统的有效人眼跟踪方法[J]. 邱清辉. 信息技术. 2018(10)
[2]国内外货运车辆驾驶人疲劳驾驶管理政策研究[J]. 牛清宁,周志强,于鹏程,王秋鸿. 交通工程. 2017(06)
[3]基于生物力学和颈腰部EMG判别驾驶员疲劳状态[J]. 王琳,罗旭,姜鑫,王宏. 汽车工程. 2017(08)
[4]基于KNN方法的大兴安岭地区森林地上碳储量遥感估算[J]. 戚玉娇,李凤日. 林业科学. 2015(05)
[5]国内外客车驾驶员疲劳驾驶预防管理政策比较[J]. 曾诚,刘富佳,于潇,孟兴凯. 人类工效学. 2014(03)
[6]影响道路交通安全的驾驶员异常行为研究[J]. 马明,严新平,吴超仲,陈伟伟. 武汉理工大学学报(交通科学与工程版). 2010(02)
[7]基于汽车操纵信号的驾驶员疲劳状态检测[J]. 李伟,何其昌,范秀敏. 上海交通大学学报. 2010(02)
[8]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]. 成波,冯睿嘉,张伟,李家文,张希波. 公路交通科技. 2009(S1)
[9]基于云模型的驾驶员驾驶状态评估方法[J]. 胡斌,王生进,丁晓青. 清华大学学报(自然科学版). 2009(10)
[10]一种基于人脸视觉的驾驶疲劳检测的算法[J]. 陈小骏,杨莉,伍红玲,李红林,冯乔生. 云南大学学报(自然科学版). 2006(S2)
博士论文
[1]基于计算机视觉的汽车安全辅助驾驶若干关键问题研究[D]. 徐翠.中国科学技术大学 2009
硕士论文
[1]基于多视觉信息融合的驾驶员疲劳检测方法研究与实现[D]. 李玲玲.北京工业大学 2010
[2]基于Adaboost的人脸检测方法及眼睛定位算法研究[D]. 龙伶敏.电子科技大学 2008
[3]基于脑电波与眨眼的驾驶员疲劳模拟实验研究[D]. 殷艳红.同济大学 2008
[4]基于视觉的疲劳驾驶监测关键技术研究[D]. 魏明慧.南京理工大学 2007
本文编号：3202846
【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 本文的研究背景及意义
1.2 国内外研究现状
1.2.1 主观测评法
1.2.2 基于生理参数的检测方法
1.2.3 基于汽车行驶信息的检测方法
1.2.4 基于视觉特征的检测方法
1.3 本文主要研究内容
1.4 论文的主要章节结构
第二章 疲劳驾驶检测的总体设计与软硬件实现
2.1 疲劳驾驶检测的总体设计
2.2 疲劳驾驶检测系统硬件系统
2.2.1 控制模块
2.2.2 检测报警模块
2.2.3 图像采集模块
2.2.4 模拟驾驶模块
2.3 疲劳驾驶检测的软件实现
2.4 人脸人眼检测技术
2.5 本章小结
第三章 疲劳驾驶检测的方法与研究
3.1 人脸检测的实现
3.1.1 人脸样本采集与预处理
3.1.2 人脸图像预处理
3.1.3 训练人脸检测分类器
3.2 人眼定位的实现
3.2.1 图像边缘提取
3.2.2 基于Houh变换定位人眼
3.3 眨眼间隔时间数据的收集
3.3.1 数据收集规则
3.3.2 眨眼间隔时间部分数据展示
3.4 眨眼间隔时间与疲劳驾驶状态的相关性分析
3.4.1 动态时间规整算法
3.4.2 基于DTW的眨眼间隔时间相似度计算
3.4.3 基于K近邻算法的相关性验证
3.5 眨眼间隔时间与驾驶时所处的白天夜晚相关性分析
3.5.1 动态时间规整计算
3.5.2 相关性验证
3.6 基于疲劳驾驶改进的Reweighted-DTW算法
3.7 本章小结
第四章 基于眨眼间隔时间的实时状态分析
4.1 LSTM介绍
4.2 LSTM网络训练
4.3 基于LSTM网络模型的实时检测
4.4 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
硕士期间的科研成果
【参考文献】：
期刊论文
[1]用于疲劳检测系统的有效人眼跟踪方法[J]. 邱清辉. 信息技术. 2018(10)
[2]国内外货运车辆驾驶人疲劳驾驶管理政策研究[J]. 牛清宁,周志强,于鹏程,王秋鸿. 交通工程. 2017(06)
[3]基于生物力学和颈腰部EMG判别驾驶员疲劳状态[J]. 王琳,罗旭,姜鑫,王宏. 汽车工程. 2017(08)
[4]基于KNN方法的大兴安岭地区森林地上碳储量遥感估算[J]. 戚玉娇,李凤日. 林业科学. 2015(05)
[5]国内外客车驾驶员疲劳驾驶预防管理政策比较[J]. 曾诚,刘富佳,于潇,孟兴凯. 人类工效学. 2014(03)
[6]影响道路交通安全的驾驶员异常行为研究[J]. 马明,严新平,吴超仲,陈伟伟. 武汉理工大学学报(交通科学与工程版). 2010(02)
[7]基于汽车操纵信号的驾驶员疲劳状态检测[J]. 李伟,何其昌,范秀敏. 上海交通大学学报. 2010(02)
[8]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]. 成波,冯睿嘉,张伟,李家文,张希波. 公路交通科技. 2009(S1)
[9]基于云模型的驾驶员驾驶状态评估方法[J]. 胡斌,王生进,丁晓青. 清华大学学报(自然科学版). 2009(10)
[10]一种基于人脸视觉的驾驶疲劳检测的算法[J]. 陈小骏,杨莉,伍红玲,李红林,冯乔生. 云南大学学报(自然科学版). 2006(S2)
博士论文
[1]基于计算机视觉的汽车安全辅助驾驶若干关键问题研究[D]. 徐翠.中国科学技术大学 2009
硕士论文
[1]基于多视觉信息融合的驾驶员疲劳检测方法研究与实现[D]. 李玲玲.北京工业大学 2010
[2]基于Adaboost的人脸检测方法及眼睛定位算法研究[D]. 龙伶敏.电子科技大学 2008
[3]基于脑电波与眨眼的驾驶员疲劳模拟实验研究[D]. 殷艳红.同济大学 2008
[4]基于视觉的疲劳驾驶监测关键技术研究[D]. 魏明慧.南京理工大学 2007
本文编号：3202846
本文链接：https://www.wllwen.com/kejilunwen/qiche/3202846.html
