驾驶员疲劳驾驶实时检测系统设计与研究

发布时间：2017-08-28 10:56

  本文关键词：驾驶员疲劳驾驶实时检测系统设计与研究

  更多相关文章： 疲劳检测 AdaBoost算法 人脸跟踪 梯度增进回归树算法 椭圆拟合

【摘要】：随着汽车持有量的持续增加和公路级别的不断提高,全世界的公路交通事故频繁发生,交通安全问题日益严重。有关部门调查结果显示,驾驶员疲劳驾驶是导致重大交通事故的主要原因之一。因此研究和设计一套准确、高效的驾驶员疲劳驾驶检测系统,及时地对驾驶员进行疲劳驾驶预警具有重要的意义和实用价值。基于面部特征状态的疲劳检测方法因其具有非接触性、实时性好、准确性高等优点,已经成为疲劳检测的主流研究方向。本文结合吉林省教育厅“十二五”资助项目(编号:2015097)、吉林省发改委资助项目(编号:2015Y067),在对国内外疲劳驾驶检测技术进行了广泛调研的基础上,运用机器视觉、图像处理、目标检测及特征提取等技术对与疲劳有关的外在生理特征进行检测和状态分析,并依据相应疲劳判断准则,建立了基于驾驶员面部特征的疲劳驾驶检测系统。该检测系统主要包括四个模块:图像捕捉模块、图像预处理模块、特征检测提取模块和特征分类识别模块。本文对其中特征检测提取和特征分类识别模块做了重点研究,主要包括驾驶员人脸检测、人脸跟踪定位、面部特征检测与状态识别以及基于面部特征的疲劳状态识别与分析。本文主要研究内容如下:首先,运用计算机、摄像头、Visual Studio等软硬件设备构建检测系统平台。在对采集的图像进行预处理的基础上,选择MB-LBP特征作为分类特征,运用AdaBoost算法和级联的方法训练人脸分类器,根据得到分类器进行人脸检测和定位,实现对驾驶员人脸区域的实时检测。针对Camshift跟踪算法的不足,提出结合卡尔曼滤波器预测的Camshift跟踪算法,实现对人脸区域的实时跟踪;其次,使用梯度回归树算法,对已标定人脸特征点位置的样本图像进行训练,得到人脸模型,使用该模型对检测出的人脸进行眼睛和嘴巴特征定位。然后使用椭圆拟合算法,设置阈值判断眼睛和嘴巴的状态,并依照相应疲劳判断准则识别驾驶员的疲劳程度。最后,为验证所提出的疲劳驾驶检测算法的准确性,本文在本田家用轿车上进行了疲劳驾驶检测试验,通过安置在前挡风玻璃上的带有红外功能的COMS摄像头采集驾驶员面部图像,使用计算机作为数据处理平台进行数据计算与分析。试验内容包括驾驶员人脸区域检测与跟踪、面部特征检测与特征状态识别、以及基于面部特征的疲劳状态识别与分析。试验结果表明,该系统具有很好的准确性、实时性和鲁棒性。
【关键词】：疲劳检测 AdaBoost算法 人脸跟踪 梯度增进回归树算法 椭圆拟合
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-15
• 1.1 驾驶员疲劳检测系统研究背景及意义9-10
• 1.2 疲劳检测系统研究概述及国内外研究现状10-13
• 1.2.1 驾驶员疲劳检测系统研究概述10-11
• 1.2.2 国外疲劳驾驶检测系统的研究现状11-13
• 1.2.3 国内疲劳驾驶检测系统的研究现状13
• 1.3 本文主要研究内容与结构安排13-15
• 1.3.1 主要研究内容13-14
• 1.3.2 结构安排14-15
• 第二章 驾驶员疲劳驾驶检测系统设计15-20
• 2.1 引言15
• 2.2 系统总体方案设计15-17
• 2.2.1 疲劳检测系统总体结构框图15-16
• 2.2.2 系统硬件配置与软件开发16
• 2.2.3 OpenCV介绍16-17
• 2.2.4 Dlib库介绍17
• 2.3 图像预处理17-19
• 2.3.1 图像滤波17-18
• 2.3.2 直方图均值化18-19
• 2.4 本章小结19-20
• 第三章 驾驶员人脸检测与定位20-32
• 3.1 引言20
• 3.2 人脸检测方法综述20-23
• 3.2.1 基于先验知识的检测方法21
• 3.2.2 基于模板匹配的检测方法21
• 3.2.3 基于统计理论的检测方法21-22
• 3.2.4 人脸检测方法比较22-23
• 3.3 基于AdaBoost算法人脸检测23-29
• 3.3.1 AdaBoost算法研究23-25
• 3.3.2 分类特征选取25-27
• 3.3.3 基于积分图的特征值计算27-28
• 3.3.4 特征分类器训练28-29
• 3.4 实验结果及分析29-31
• 3.5 本章小结31-32
• 第四章 驾驶员人脸跟踪与定位32-43
• 4.1 引言32
• 4.2 人脸跟踪算法研究32-39
• 4.2.1 Camshift跟踪算法33-37
• 4.2.2 卡尔曼滤波器37-39
• 4.3 结合卡尔曼滤波器的Camshift人脸跟踪39-40
• 4.4 实验结果及分析40-42
• 4.5 本章小结42-43
• 第五章 驾驶员面部特征检测与定位43-49
• 5.1 引言43
• 5.2 面部特征检测方法研究43-44
• 5.3 基于梯度增进回归树算法级联的人脸特征点定位44-47
• 5.3.1 梯度增进回归树算法研究44-45
• 5.3.2 训练集的标定45-46
• 5.3.3 样本训练46-47
• 5.4 实验结果及分析47-48
• 5.5 本章小结48-49
• 第六章 驾驶员疲劳状态分析及试验49-59
• 6.1 引言49
• 6.2 疲劳状态分析49-53
• 6.2.1 眼睛状态分析49-51
• 6.2.2 嘴巴状态分析51
• 6.2.3 疲劳判断准则51-53
• 6.3 试验环境搭建53-55
• 6.3.1 硬件环境设计53
• 6.3.2 软件环境设计53-55
• 6.4 试验结果及分析55-58
• 6.5 本章小结58-59
• 第七章 总结与展望59-61
• 7.1 论文工作总结59
• 7.2 研究展望59-61
• 致谢61-62
• 参考文献62-66
• 作者简介66
• 攻读硕士学位期间研究成果66

【相似文献】

中国期刊全文数据库 前10条

1 宋宇;刘美丽;庞柏梅;;一种人脸面部特征的提取方法[J];长春工业大学学报(自然科学版);2009年06期

2 丁冬;高智商的家庭[J];个人电脑;1999年08期

3 周激流,张晔,郭晶,朱辉,陶理;基于先验模板的人脸面部特征提取的研究[J];计算机辅助设计与图形学学报;2000年05期

4 张应丽;王建华;王生进;;驾驶员面部特征点定位方法研究[J];北京机械工业学院学报;2009年01期

5 樊鑫,齐春,梁德群,黄华;基于统计形状模型的面部特征提取随机方法[J];西安交通大学学报;2004年06期

6 张丽雯;杨艳芳;齐美彬;蒋建国;;基于面部特征的疲劳驾驶检测[J];合肥工业大学学报(自然科学版);2013年04期

7 ;面像识别技术及应用[J];家用电器;2001年06期

8 张有祥;电子“侦探”[J];飞碟探索;2000年06期

9 周激流,张晔;人脸识别理论研究进展[J];计算机辅助设计与图形学学报;1999年02期

10 ;色彩测量装置[J];技术与市场;2000年07期

中国重要会议论文全文数据库 前2条

1 李灿东;蔡艺芳;;基于面部特征构建中医望诊面部二维坐标体系[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

2 王霞;温有锋;刘宇卓;杨洋;曹芳;;黑龙江富裕县三家子村满族成人头面部特征[A];中国解剖学会2013年年会论文文摘汇编[C];2013年

中国重要报纸全文数据库 前10条

1 记者 卢国强;北京:大中商场探头须能辨面部特征[N];新华每日电讯;2011年

2 ;识别面部特征,猴有“专用”脑细胞[N];新华每日电讯;2006年

3 侯丽 编译;人类对他人的信任感具有“自发性”[N];中国社会科学报;2014年

4 Jonathan Thomson;像中之象[N];美术报;2007年

5 编译 任东华;为什么熟悉的面孔更亲切[N];北京科技报;2005年

6 刘莉莉;FBI要建世界最大人类生物资料库[N];新华每日电讯;2007年

7 记者 刘路沙;我国面像识别技术达国际先进水平[N];光明日报;2002年

8 本报记者 霍光;身份认证：从手指到人脸[N];中国计算机报;2009年

9 本报记者 聂翠蓉;生物识别让罪犯无路可逃[N];科技日报;2005年

10 本报记者 苏晓梅;打车遇违规，如何投诉最有效？[N];天津日报;2014年

中国博士学位论文全文数据库 前2条

1 牛志恒;面部特征点定位方法研究[D];哈尔滨工业大学;2009年

2 王庆祥;基于Kinect的主动外观模型及在表情动画上的应用[D];山东大学;2014年

中国硕士学位论文全文数据库 前10条

1 郭志芳;基于支持向量回归的面部特征点定位算法[D];南昌航空大学;2015年

2 汪亚芬;多视角面部特征点定位研究与应用[D];上海交通大学;2015年

3 周鹏飞;驾驶员疲劳驾驶实时检测系统设计与研究[D];长春工业大学;2016年

4 万泉;面向立体显示的人脸位置检测算法[D];南京大学;2016年

5 张海龙;基于弹性模板的民族面部特征研究[D];东北大学;2010年

6 刘慧;民族面部特征提取及其识别算法研究[D];东北大学;2009年

7 常虹;基于改进型主动外观模型的面部特征定位与人脸识别方法研究[D];合肥工业大学;2009年

8 索芳;基于面部特征的人脸识别方法研究[D];河北科技大学;2007年

9 唐坤;面部特征点定位算法研究[D];大连理工大学;2013年

10 王巍;人脸面部特征定位与人脸识别方法的研究[D];北京工业大学;2003年

，

本文编号：747687