基于单目视觉的疲劳驾驶检测方法研究

发布时间：2017-08-12 10:01

  本文关键词：基于单目视觉的疲劳驾驶检测方法研究

  更多相关文章： 疲劳驾驶 人脸检测 特征提取 头部姿态 疲劳检测

【摘要】：在经济快速发展的当今社会,人民的生活水平得到了显著的提高,私家车的数量也与日俱增,同时由于各种原因导致的交通事故也越来越多,在导致交通事故的众多因素中,由于驾驶员疲劳驾驶造成的交通事故占据80%。为了使驾驶员保持清醒的驾驶状态,创造一个安全的交通环境,采取一种有效的疲劳驾驶检测方法对驾驶员的疲劳程度进行实时监测,在其出现或即将出现疲劳驾驶时给予警示,避免交通事故的发生,对于人民的安全和社会的安定发展具有重要的现实意义。传统的疲劳驾驶检测方法具有检测精度低,耗时长的问题,为了提高检测方法的准确性和实时性,本文提出了一种基于单目视觉的疲劳驾驶检测方法。通过单个视觉传感器获取驾驶员的头部图像,为了消除图像中不同光照的影响,使用同态滤波对脸部图像进行滤波处理;使用直方图均衡化处理图像以增强对比度,提高后续脸部检测和特征提取的精度。进行人脸检测的过程中,对基于AdaBoost的人脸检测算法进行改进,利用改进后的人脸检测算法进行人脸检测;在已检测出的人脸区域采用基于灰度积分投影的方法进行眼部和嘴部的特征提取,定位嘴角和眼睛的位置坐标;根据平透视投影变换的原理,并结合脸部的特征点坐标计算头部姿态;最后根据头部姿态统计点头频率,并计算出脸部朝向,根据眼部特征图像计算眼睛的闭合程度和眨眼频率,依据这些参数对驾驶员的疲劳程度做出判断。通过模拟驾驶员的驾驶状态,设计仿真实验,在不同的光照条件下对驾驶员脸部图像进行疲劳检测实验。对脸部检测算法、眼部和嘴部检测算法、基于面部特征点的头部姿态估计方法的检测精度和速度进行统计分析,并综合分析了基于头部姿态和眼部特征的疲劳驾驶检测算法的精度和速度。通过大量的实验表明,利用本文的疲劳驾驶检测方法在不同的光照条件下对获取的脸部图像进行检测,均能保持较高的准确性,且检测时间短,满足疲劳驾驶检测对实时性和准确性的要求。
【关键词】：疲劳驾驶 人脸检测 特征提取 头部姿态 疲劳检测
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 绪论8-13
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.2.1 国外研究现状9-10
• 1.2.2 国内研究现状10-11
• 1.3 主要研究内容及章节安排11-13
• 第2章 人脸检测与特征提取13-29
• 2.1 人脸检测13-22
• 2.1.1 人脸检测方法综述13
• 2.1.2 AdaBoost人脸检测算法13-19
• 2.1.3 图像预处理19-20
• 2.1.4 基于AdaBoost的快速人脸检测算法20-22
• 2.2 眼部与嘴部的特征提取22-26
• 2.2.1 图像预处理22-25
• 2.2.2 特征定位与提取25-26
• 2.3 眼睛闭合程度判断26-27
• 2.4 眨眼频率27
• 2.5 本章小结27-29
• 第3章 基于单目视觉的头部姿态估计29-39
• 3.1 头部姿态描述29
• 3.2 单目视觉投影模型29-33
• 3.3 头部姿态估计33-38
• 3.3.1 脸部特征点变换33-35
• 3.3.2 姿态估计参数求解35-37
• 3.3.3 脸部平面的旋转角求解37-38
• 3.4 建立正面人脸平面模型38
• 3.5 本章小结38-39
• 第4章 疲劳状态检测与判断39-47
• 4.1 疲劳判断方法概述39-41
• 4.1.1 传统的疲劳驾驶检测方法39-40
• 4.1.2 基于单目视觉的疲劳驾驶检测方法40-41
• 4.2 基于头部姿态的疲劳判断41-42
• 4.2.1 点头频率41-42
• 4.2.2 驾驶员的分神检测42
• 4.3 基于眼部特征的疲劳判断42-44
• 4.4 基于头部姿态和眼部状态的疲劳检测方法44-46
• 4.5 本章小结46-47
• 第5章 模拟实验及结果分析47-55
• 5.1 仿真系统设计47-48
• 5.1.1 疲劳检测系统设计47-48
• 5.1.2 软件系统设计48
• 5.2 人脸检测的精度与速度测试48-50
• 5.3 眼睛与嘴部特征提取实验50-52
• 5.4 头部姿态的测试与结果分析52-53
• 5.5 疲劳检测实验结果分析53-54
• 5.6 本章小结54-55
• 第6章 结论55-56
• 6.1 本文工作总结55
• 6.2 未来工作展望55-56
• 参考文献56-58
• 作者简介及科研成果58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 胡晓燕;张宇;;基于肤色的人脸检测算法研究[J];合肥工业大学学报(自然科学版);2012年07期

2 严云洋;郭志波;杨静宇;;复杂环境下的快速人脸检测算法[J];江南大学学报(自然科学版);2007年06期

3 余蓓蓓,王典洪;基于灰度信息的人脸检测算法[J];苏州科技学院学报(工程技术版);2005年02期

4 郭鹏;张卫国;;视频序列中的人脸检测算法[J];西安航空技术高等专科学校学报;2012年03期

5 宫娜娜;武海艳;;基于投影灰度差的遮挡人脸检测算法[J];科学技术与工程;2013年35期

6 刘帅;林克正;孙旭东;程卫月;李静天;;基于聚类的SIFT人脸检测算法[J];哈尔滨理工大学学报;2014年01期

7 周霞;秦磊;王宪;宋书林;;基于HSV与MLPQ的自适应人脸检测算法[J];科学技术与工程;2013年32期

8 陈健,钱芸芸;用DSP实现实时人脸检测[J];仪器仪表学报;2004年S1期

9 高久稳;李自勤;;基于Brew平台的人脸检测技术[J];中国水运(下半月);2009年12期

10 张宇昕;丁岩;;基于器官的人脸检测技术[J];长春理工大学学报;2005年04期

中国重要会议论文全文数据库 前2条

1 付朝霞;韩焱;王黎明;;复杂背景下视频运动目标的人脸检测算法[A];第十三届中国体视学与图像分析学术会议论文集[C];2013年

2 陈健;钱芸芸;;用DSP实现实时人脸检测[A];第二届全国信息获取与处理学术会议论文集[C];2004年

中国博士学位论文全文数据库 前2条

1 周薇娜;人脸检测算法及其芯片实现关键技术研究[D];复旦大学;2012年

2 郭耸;人脸检测若干关键技术研究[D];哈尔滨工程大学;2011年

中国硕士学位论文全文数据库 前10条

1 宁勇敢;不合作条件下人脸检测算法研究[D];辽宁工业大学;2016年

2 刘吉;基于自学习特征融合的人脸检测算法研究[D];中国海洋大学;2015年

3 马慧;人脸检测算法的设计与实现[D];东南大学;2015年

4 邹奇文;非对称人脸检测算法的研究与实现[D];华中科技大学;2014年

5 江锐;基于Cortex-A8的人脸检测系统的设计与实现[D];华中科技大学;2014年

6 张雪楠;基于PCA降维的快速人脸检测算法研究[D];燕山大学;2016年

7 罗富丽;单目可量测快速人脸检测算法[D];昆明理工大学;2016年

8 毛须伟;基于单目视觉的疲劳驾驶检测方法研究[D];长春理工大学;2016年

9 朱晓峰;快速人脸检测算法的改进策略及在视频中的应用[D];复旦大学;2009年

10 邵晓刚;基于矩阵灰色B型绝对关联度的人脸检测算法研究[D];东北师范大学;2012年

，

本文编号：660987