基于眼动特征的驾驶员疲劳驾驶检测技术研究

发布时间：2017-08-22 06:18

  本文关键词：基于眼动特征的驾驶员疲劳驾驶检测技术研究

  更多相关文章： 人脸检测 人眼定位 状态识别 疲劳检测 PERCLOS

【摘要】：随着社会经济的快速发展,国民消费能力逐年提高,汽车数量的大幅增加给整个交通系统带来了更多的安全隐患,其中,疲劳驾驶已成为导致重大交通事故的主要因素之一。如果能在驾驶员出现疲劳驾驶之前对驾驶员进行及时的疲劳预警可以有效地避免交通事故的发生,这对于交通安全来讲具有重要意义。本文是基于驾驶员的眼部状态特征进行一系列的图像处理方法和算法,主要包含人脸检测、人眼定位、眼睛状态判别、疲劳状态检测四大流程,通过识别眼睛状态并利用PERCLOS的P80标准进行疲劳状态的检测。具体工作内容如下:(1)详细阐述了基于Adaboost算法的驾驶员人脸检测方法,其中包括:Haar特征的选择和提取、积分图的计算、分类器的训练。通过提取样本的Haar_like特征对分类器进行训练,将训练出来的所有弱分类器用于组成强分类器,然后使用强分类器进行人脸的定位和检测。由于样本的数量比较大,为了提高检测速度,减少强分类器的搜索范围,将每个训练好的弱分类器先确定好位置,然后再进行人脸区域的检测。(2)研究了基于几何特征的人眼定位方法。根据眼睛在脸部的几何分布特征,以及二值化后连通域的分布,计算每个连通域的质心点,并确定人眼质心的位置坐标,然后根据人眼质心坐标采用双线性插值法对倾斜度较大的人脸图像进行矫正,并再次确定人眼的质心坐标位置。(3)给出了基于PCA主成分析法和灰度投影法两种方法结合的人眼状态识别方法。PCA算法是通过寻找最能代表人眼状态的特征空间,对比样本图片和测试图片的向量距离,用向量差值作为识别标准;灰度投影法是通过人眼灰度分布特点来确定瞳孔的高度,即通过计算单帧图像人眼瞳孔的高度来确定眼睛的状态。PCA用于前期提取睁眼时最大灰度值和闭眼时最小灰度值,然后再使用灰度投影法计算人眼开度,最后根据疲劳判断标准进行状态识别。(4)在驾驶员疲劳检测流程中,采用PERCLOS标准统计特定时间段内眼睛闭合时间占特定时间内的百分率,并选用P80作为评价指标。实验结果表明,本文所采用的疲劳检测方法具有较好的可靠性和实时性。
【关键词】：人脸检测 人眼定位 状态识别 疲劳检测 PERCLOS
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 本课题研究背景和意义10
• 1.2 国内外疲劳检测研究现状10-14
• 1.2.1 疲劳驾驶的概念和成因10-12
• 1.2.2 国外疲劳驾驶检测技术发展状况12-13
• 1.2.3 国内疲劳驾驶检测技术发展状况13-14
• 1.3 疲劳驾驶检测系统研究难点分析14-15
• 1.4 论文的研究工作及内容15-16
• 第二章 基于Adaboost算法的人脸检测16-32
• 2.1 引言16
• 2.2 几种常用人脸检测方法16-17
• 2.3 图像预处理17-20
• 2.3.1 光照补偿处理18-19
• 2.3.2 图像增强处理19-20
• 2.4 基于Adaboost算法的人脸检测20-27
• 2.4.1 Haar矩形特征21-23
• 2.4.2 积分图的计算23-24
• 2.4.3 Adaboost算法流程24-27
• 2.4.4 人脸图像在检测与定位中的尺度变换问题27
• 2.5 算法实验结果分析27-31
• 2.6 本章小结31-32
• 第三章 驾驶员人眼区域的定位32-40
• 3.1 引言32
• 3.2 常用人眼定位方法介绍32-33
• 3.3 人脸区域预处理以及人眼检测区域选择33-34
• 3.4 基于连通域质心点的人眼精确定位34-37
• 3.4.1 二值图像连通域标记34-35
• 3.4.2 二值图像连通域质心点的计算35-37
• 3.5 基于双线性插值法矫正人脸37-39
• 3.6 本章小结39-40
• 第四章 驾驶员人眼状态的判别40-50
• 4.1 引言40-41
• 4.2 主要人眼状态判别方法41-42
• 4.3 基于PCA算法的人眼状态判别42-44
• 4.3.1 PCA算法介绍42
• 4.3.2 样本准备和训练42-43
• 4.3.3 算法流程43-44
• 4.3.4 PCA算法实验测试44
• 4.4 基于灰度投影法的人眼状态识别44-49
• 4.4.1 人眼图像预处理44-46
• 4.4.2 人眼图像二值化46-49
• 4.5 本章小结49-50
• 第五章 驾驶员疲劳检测50-62
• 5.1 基于PERCLOS原理的疲劳检测算法50-52
• 5.1.1 PERCLOS原理简介50-51
• 5.1.2 PERCLOS测量原理51-52
• 5.2 人眼开度的计算52-57
• 5.3 基于P80标准的疲劳程度判断方法57
• 5.4 实验数据分析57-60
• 5.4.1 PERCLOS理论值计算57-59
• 5.4.2 不同光照条件下PERCLOS值计算59
• 5.4.3 系统结果测试59-60
• 5.5 疲劳程度检测影响因素分析60-61
• 5.6 本章小结61-62
• 第六章 总结和展望62-64
• 6.1 工作总结62-63
• 6.2 未来工作展望63-64
• 参考 文献64-68
• 致谢68-70
• 附录A：攻读硕士学位期间参研项目和科研成果70

【参考文献】

中国期刊全文数据库 前9条

1 黄梅;何宁丰;张亚淑;;基于眼睛状态识别的婴幼儿睡眠监测[J];计算机应用与软件;2012年08期

2 袁翔;孙香梅;;疲劳驾驶检测方法研究进展[J];汽车工程学报;2012年03期

3 陈志恒;姜明新;;基于openCV的人脸检测系统的设计[J];电子设计工程;2012年10期

4 李胜;张培林;吴定海;徐超;;基于渐近式权值小波降噪和Adaboost算法的液压泵故障诊断[J];中国机械工程;2011年09期

5 段喜茹;;S6领军 比亚迪汽车强势出击上海车展[J];中国汽车界;2011年08期

6 李都厚;刘群;袁伟;刘浩学;;疲劳驾驶与交通事故关系[J];交通运输工程学报;2010年02期

7 孙伟;张为公;张小瑞;陈刚;;疲劳驾驶预警系统的研究进展[J];汽车电器;2009年01期

8 孙显彬;唐洪伟;文妍;;疲劳驾驶预警系统的研究现状和发展趋势[J];青岛理工大学学报;2007年03期

9 杨降勇;;高速公路疲劳驾驶交通事故的控制[J];中国安全科学学报;2006年01期

，

本文编号：717520