基于ASM的多特征融合驾驶员疲劳检测方法

发布时间：2017-10-14 18:11

  本文关键词：基于ASM的多特征融合驾驶员疲劳检测方法

  更多相关文章： 疲劳检测 主动形状模型 PERCLOS 自适应神经模糊推理

【摘要】：为了提高对驾驶员疲劳程度检测的准确性与鲁棒性,提出了一种基于主动形状模型的多个特征融合疲劳检测算法。首先利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置,然后对检测到的人脸进行基于主动形状模型(active shape model,ASM)的特征点定位,利用12个ASM特征标记点,得出眼睛、嘴部和头部的状态参数,再相应地计算出PERCLOS(percentage of eyelid closure over the pupil over time)、AECS(average eye closure speed)、哈欠频率、点头频率等4个疲劳特征,最后利用自适应神经模糊推理系统(adaptive network based fuzzy inference system,ANFIS)判决出驾驶员的3级疲劳程度(清醒、疲劳和严重疲劳)。实验结果表明,本方法对驾驶员疲劳检测准确率达93.3%,具有较高的准确性与鲁棒性。
【作者单位】： 湖南大学汽车车身先进设计制造国家重点实验室;博世汽车部件(苏州)有限公司;
【关键词】： 疲劳检测 主动形状模型 PERCLOS 自适应神经模糊推理
【基金】：国家自然科学基金(51475153)资助项目
【分类号】：U463.6;TP391.41
【正文快照】： 1引言截止2014年底全国汽车保有量增至1.5亿辆,交通事故共造成约3.5万人死亡。据统计资料表明,疲劳驾驶引发的交通事故占事故总数的20%左右,占特大交通事故的40%以上,占交通事故死亡率的83%[1]。因此,疲劳驾驶的有效预防对减少交通事故的数量具有重大意义,而通过有效检测驾驶

【相似文献】

中国期刊全文数据库 前10条

1 樊玲;;基于眼动跟踪的驾驶员疲劳检测[J];科技创新与应用;2012年26期

2 孟子诤;刘金明;刘厚军;;机车司机疲劳检测系统研究与应用[J];中国铁路;2013年05期

3 陈勇;黄琦;刘霞;张昌华;;一种全天候驾驶员疲劳检测方法研究[J];仪器仪表学报;2009年03期

4 高永萍;秦华标;;驾驶员疲劳检测系统[J];仪表技术与传感器;2007年01期

5 苏晓娜;李晓明;;人脸检测及眼睛定位在驾驶员疲劳检测中的应用[J];科学技术与工程;2012年17期

6 杨海燕;蒋新华;王雷;;一种基于人脸序列模式的机车驾驶员疲劳检测方法[J];铁道学报;2012年05期

7 耿磊,吴晓娟,彭彰;基于TMS320DM642的疲劳检测系统硬件设计[J];中国工程科学;2005年11期

8 张祖涛;张家树;;基于UKF非线性人眼跟踪的驾驶员疲劳检测[J];西南交通大学学报;2008年06期

9 苑玮琦;贾琦;;基于DM6437的驾驶员疲劳检测系统[J];仪表技术与传感器;2010年05期

10 陈旭;肖洪兵;;基于面部综合信息的疲劳驾驶判别研究[J];科学技术与工程;2014年11期

中国重要会议论文全文数据库 前2条

1 张笑非;邬正义;谈正;;基于视觉的疲劳驾驶检测[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

2 胡庆新;张淑凤;方跃;;弱光环境下驾驶员的人脸检测和眼睛追踪[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

中国重要报纸全文数据库 前1条

1 记者 廖翊;目视判断裂痕是金属疲劳[N];新华每日电讯;2002年

中国博士学位论文全文数据库 前1条

1 邸巍;基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D];吉林大学;2010年

中国硕士学位论文全文数据库 前10条

1 王豪荣;基于人脸特征融合的疲劳检测方法研究[D];长安大学;2015年

2 王兆伟;基于眼态识别的疲劳驾驶检测技术研究[D];长安大学;2015年

3 蒋文博;基于计算机视觉的疲劳驾驶检测技术研究[D];北京化工大学;2015年

4 张译心;基于面部特征的驾驶员疲劳算法应用研究[D];吉林农业大学;2015年

5 韩吉祥;基于SOPC的驾驶员疲劳检测系统设计[D];黑龙江大学;2015年

6 王雷;基于人脸检测的疲劳驾驶分析[D];合肥工业大学;2014年

7 朱学敏;基于卷积神经网络的眼电信号疲劳检测[D];上海交通大学;2015年

8 陈中胜;基于红外视频图像眼睛信息特征的疲劳检测[D];广西科技大学;2015年

9 赵晓琳;基于面部信息的疲劳驾驶检测方法研究[D];吉林大学;2016年

10 王帅;基于图像处理的哨兵眼部疲劳检测方法研究[D];云南大学;2016年

，

本文编号：1032438