基于面部特征融合的驾驶员疲劳识别算法研究

发布时间：2024-07-10 22:20

　　疲劳驾驶是导致特别重大的交通事故的三大原因之一。在特别重大的交通事故中,疲劳驾驶引起的事故比例超过40%。因此,如何有效的检测驾驶员疲劳状态成为了研究者们关注的重点以及热点。历年来,研究者们试图从不同的信息源识别疲劳驾驶,如驾驶员的生理状态、面部特征、车辆行为等。并且依据疲劳特征的来源,将疲劳识别技术分为基于单一信息的疲劳识别技术和基于多信息融合的疲劳识别技术。其中,基于单一信息的疲劳识别技术,容易受环境因素、信息丢失等情况影响,而产生识别失败或者误判的结果。因此,为了提高疲劳驾驶识别的有效性和鲁棒性,本文采用多信息融合方式进行疲劳识别。本文的主要工作如下:(1)提出了一种基于面部特征融合的驾驶员疲劳识别算法。该算法包含前期处理模块、特征级模块、决策级模块。其中,前期处理模块用于检测面部、眼部及唇部;特征级模块主要利用特征提取算法识别各证据源的疲劳状态;决策级模块则将特征级中多证据源的疲劳识别结果及上一时刻的判别结果融合,进行本时刻疲劳状态的综合判决。(2)提出了两种基于特征提取的疲劳识别算法:基于图像金字塔局部二进制模式的疲劳识别算法(Pyramid Local Binary Pat...

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图2-1基于面部特征融合的驾驶员疲劳识别模型

图2-1基于面部特征融合的驾驶员疲劳识别模型本文所提的系统由：前期处理模块、特征级模块、决策级融合模块组成。前期的是：利用当前已知且有效的人脸检测与定位追踪算法进行面部、眼部、唇部识相应区域切割作为特征级的输入。本文中前期处理模块将使用Adaboost算法进检测，使用K....

图2-2Adaboost算法人脸检测框架图

人脸检测在人机交互和基于计算机视觉的应用中发挥着重要的作用。人脸作为一种人类身份信息，具有唯一性和不可复制性。然而，由于光照、表情、背景等诸多不确定因素的影响，人脸识别在现实应用中仍然是一个具有挑战性的问题。PaulViola和MichaelJones在2001年基....

图2-3矩形特征

(a)(b)(c)(d)(e)图2-3矩形特征图2-4矩形特征在人脸上的匹配[62]图2-3中的垂直矩形特征能很好地描述正面面部，但当面部倾斜或旋描绘的效果往往不尽如人意。为此，Rainer等人提出了扩展矩形特征入了带有45旋转角的矩形特征。扩展矩形特征如....

图2-4矩形特征在人脸上的匹配[62]

第二章疲劳识别模型及前期处理3所示，最早是由Papageorgiou提出的，-4所示，相对于脸颊来说，眼睛的颜色更些，因此可以选取如下两种矩形特征描(b)(c)(d)图2-3矩形特征

本文编号：4004822