基于面部表情的驾驶员状态分析方法研究

发布时间：2022-01-07 16:40

　　在安全驾驶领域,驾驶员的身心状态对于交通安全至关重要。检测异常驾驶分为接触式检测和非接触式检测,接触式检测利用各种设备检测人体生理信号来判断驾驶员状态,非接触式检测常用的方法是通过网络摄像头获取驾驶员面部信息进行检测。图像检测中常用的方法是通过检测出人脸关键点位置,然后分析驾驶员嘴巴动作来确定是否打哈欠,结合眼部闭合程度来判断是否疲劳。因此本文提出一种级联卷积神经网络的方法检测出驾驶员面部的68个关键点。但是这种检测效果有一定的局限性,并且没有充分利用到人脸的丰富信息。因此针对以上问题,本文提出了基于面部表情的驾驶员状态检测分析方法。人脸表情是人类情感表达的最重要、最直接的载体之一,通过面部表情的分析,可以推测出很多有效的信息,因此表情识别是一个很有价值的研究方法;目前较好的表情识别算法大都是基于卷积神经网络实现的,为了能够提高表情识别精度,常用的方法是增加卷积神经网络深度,但是单纯的增加网络深度会导致参数数量巨大,在硬件配置一般的环境中难以满足实时性的要求。针对难以满足实时性的问题,本文提出一种改进的卷积神经网络模型,通过对卷积核进行不规则的变换,不仅能够在网络深度增加的情况下减少参... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

接触式的驾驶员状态检测图

电子科技大学硕士学位论文驾驶平台中的实验结果，来验证本文提出的驾驶员面部表情识别网络模型的可行性。第六章总结了基于面部表情的驾驶员状态检测算法的优势和劣势，并对目前的工作进行了归纳，最后结合当前的发展趋势与存在的问题，对未来的驾驶员状态检测进行展望。

电子科技大学硕士学位论文伪迹后的信号如下：(2-1)其中， ( )表示的为伪迹信号， ( )代表眼电信号， 为常数值，是一个比例，一般由最小二乘法确定 的值。经过测量计算了解到眼电信号和眼电信号差异比较明显并且易于测量，所以伪迹减法可以用于伪迹信号的去除。y (t ) y (t ) kx( t )


本文编号：3574891