基于视频的疲劳驾驶智能预警技术研究
发布时间：2021-12-16 07:53
随着汽车保有量的不断上升,交通事故越来越成为威胁人身及财产安全的社会难题。现今,生活节奏的加快和人们睡眠时间的减少导致因疲劳和瞌睡而引发的交通事故数量正在逐年升级,通过对驾驶员的疲劳驾驶行为进行及时预警能够有效减少该类交通事故的发生。本文利用计算机视觉技术分析驾驶员面部图像,研究实时的、准确的疲劳驾驶预警算法。该算法包含四个主要步骤,分别为人脸检测、人脸关键点定位、眼睛和嘴巴区域定位及状态识别、多参数融合疲劳检测。本文的主要工作内容如下:（1）针对Adaboost人脸检测算法检测速度慢的问题,提出了一种基于区域预判的人脸检测算法,先在整幅视频图像上检测人脸,然后在上一帧检测到的最大人脸图像的基础上扩大一定范围作为下一帧的检测区域。该算法去除了大量的背景区域,提升了人脸检测的速度。（2）在检测到的驾驶员面部图像上快速准确地定位人脸关键点。本文用标记有5个关键点的人脸图像训练基于集成回归树（Ensemble of Regression Trees,ERT）的人脸关键点检测模型并设计了具有不同结构的多个卷积神经网络（Convolution Neural Network,CNN）人脸关键点检测...
【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】：72 页
【学位级别】：硕士
【部分图文】：
Haar-like特征
图 2-2 Harr-like 特征在人脸中的应用示例Figure 2-2 Examples of applying Haar-like feature on a face模板的特征值的计算方式是用白色矩形区域的灰度像素和减灰度像素和，如式(2-1)所示：1Re ( )Ni iiFeature w cSum r 表示特征模板中包含的矩形总数，iw 表示第 i 个矩形的权值，白色则为 1），Re ( )icSum r 为矩形内的灰度像素和。 haar-like 特征的检测可以量化脸部各区域的状态以区分人脸2 显示了不同类型的 haar-like 特征在描述人脸中的作用，眼，因此可以用 haar-like 特征中的边缘特征模板检测眼睛边缘域亮，因此可以用线性特征模板检测鼻子[41]。分图 haar-like 特征的计算量很小，但搜索整幅图所需要计算的特征
图 2-3 积分图计算Figure 2-3 Integral graph calculation子迭代计算整幅图像的积分图s ( x, y ) s ( x, y 1) I ( x, y)SAT ( x, y ) SAT ( x 1) s ( x, y) ( x, y )及其上方一列像素的和图 2-4 矩形区域像素和4 Finding the sum of the shaded recta色四个端点的积分图的值分别
【参考文献】：
期刊论文
[1]基于级联卷积神经网络的疲劳检测[J]. 赵雪鹏,孟春宁,冯明奎,常胜江. 光电子·激光. 2017(05)
[2]基于ASM的多特征融合驾驶员疲劳检测方法[J]. 白中浩,刘浏,焦英豪,曹松. 电子测量与仪器学报. 2016(12)
[3]基于主动形状模型及模糊推理的驾驶疲劳检测[J]. 白中浩,焦英豪,白芳华. 仪器仪表学报. 2015(04)
[4]面部多特征融合的驾驶员疲劳检测方法[J]. 周云鹏,朱青,王耀南,卢笑,凌志刚. 电子测量与仪器学报. 2014(10)
[5]基于分级策略的自动人眼检测与定位[J]. 李栋,田彦涛,刘帅师. 吉林大学学报(信息科学版). 2014(03)
[6]心率变异性与驾驶疲劳相关性研究[J]. 董占勋,孙守迁,吴群,徐娟芳. 浙江大学学报(工学版). 2010(01)
[7]彩色图像中的人眼对定位[J]. 顾晓波,王耀明. 计算机应用与软件. 2008(08)
[8]双层结构Adaboost健壮分类器用于人眼精确定位[J]. 刘艺,龚卫国,李伟红. 计算机应用. 2008(03)
[9]基于模板匹配和遗传算法的人眼定位[J]. 余甜甜,唐普英. 计算机仿真. 2007(04)
[10]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
硕士论文
[1]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
[2]基于人眼状态的驾驶员疲劳检测技术研究[D]. 陈明初.重庆大学 2012
[3]多姿态人脸检测系统的研究与实现[D]. 杨仁慧.天津大学 2007
[4]视频中人脸检测及跟踪技术的研究[D]. 季剑岚.南京理工大学 2005
本文编号：3537774
【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】：72 页
【学位级别】：硕士
【部分图文】：
Haar-like特征
图 2-2 Harr-like 特征在人脸中的应用示例Figure 2-2 Examples of applying Haar-like feature on a face模板的特征值的计算方式是用白色矩形区域的灰度像素和减灰度像素和，如式(2-1)所示：1Re ( )Ni iiFeature w cSum r 表示特征模板中包含的矩形总数，iw 表示第 i 个矩形的权值，白色则为 1），Re ( )icSum r 为矩形内的灰度像素和。 haar-like 特征的检测可以量化脸部各区域的状态以区分人脸2 显示了不同类型的 haar-like 特征在描述人脸中的作用，眼，因此可以用 haar-like 特征中的边缘特征模板检测眼睛边缘域亮，因此可以用线性特征模板检测鼻子[41]。分图 haar-like 特征的计算量很小，但搜索整幅图所需要计算的特征
图 2-3 积分图计算Figure 2-3 Integral graph calculation子迭代计算整幅图像的积分图s ( x, y ) s ( x, y 1) I ( x, y)SAT ( x, y ) SAT ( x 1) s ( x, y) ( x, y )及其上方一列像素的和图 2-4 矩形区域像素和4 Finding the sum of the shaded recta色四个端点的积分图的值分别
【参考文献】：
期刊论文
[1]基于级联卷积神经网络的疲劳检测[J]. 赵雪鹏,孟春宁,冯明奎,常胜江. 光电子·激光. 2017(05)
[2]基于ASM的多特征融合驾驶员疲劳检测方法[J]. 白中浩,刘浏,焦英豪,曹松. 电子测量与仪器学报. 2016(12)
[3]基于主动形状模型及模糊推理的驾驶疲劳检测[J]. 白中浩,焦英豪,白芳华. 仪器仪表学报. 2015(04)
[4]面部多特征融合的驾驶员疲劳检测方法[J]. 周云鹏,朱青,王耀南,卢笑,凌志刚. 电子测量与仪器学报. 2014(10)
[5]基于分级策略的自动人眼检测与定位[J]. 李栋,田彦涛,刘帅师. 吉林大学学报(信息科学版). 2014(03)
[6]心率变异性与驾驶疲劳相关性研究[J]. 董占勋,孙守迁,吴群,徐娟芳. 浙江大学学报(工学版). 2010(01)
[7]彩色图像中的人眼对定位[J]. 顾晓波,王耀明. 计算机应用与软件. 2008(08)
[8]双层结构Adaboost健壮分类器用于人眼精确定位[J]. 刘艺,龚卫国,李伟红. 计算机应用. 2008(03)
[9]基于模板匹配和遗传算法的人眼定位[J]. 余甜甜,唐普英. 计算机仿真. 2007(04)
[10]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
硕士论文
[1]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
[2]基于人眼状态的驾驶员疲劳检测技术研究[D]. 陈明初.重庆大学 2012
[3]多姿态人脸检测系统的研究与实现[D]. 杨仁慧.天津大学 2007
[4]视频中人脸检测及跟踪技术的研究[D]. 季剑岚.南京理工大学 2005
本文编号：3537774
本文链接：https://www.wllwen.com/kejilunwen/qiche/3537774.html
