基于表情与头部状态识别的疲劳驾驶检测算法的研究

发布时间：2018-03-20 20:39

  本文选题：疲劳检测　切入点：眼镜判断　出处：《吉林大学》2017年硕士论文　论文类型：学位论文

【摘要】：随着汽车保有量的增加和人们生活节奏的加快,因驾驶者疲劳而引发的交通事故屡屡发生。我们应该认识到,疲劳驾驶所带来的严重后果并不亚于酒驾,它是交通安全的巨大隐患,严重威胁着社会财产与生命安全。所以研究可靠且有效的疲劳驾驶检测技术,能够提前预测和判断出驾驶者的疲劳状态,及时预警,并让车辆自动减速,做到防患于未然,从而可以避免交通事故的发生。本文通过研究目前国内外关于疲劳驾驶检测技术的各类方法,总结其优势与不足。考虑到部分驾驶者存在佩戴眼镜的情况,提出基于眼睛、嘴部与头部状态相结合的方法识别疲劳状态。主要内容包括以下几部分:1.视频图像预处理。驾驶者的面部区域在行车过程中会受到不同光照的影响,同时由于视频图像在获取与传输过程中会产生噪声与模糊。因此本文预先对图像进行滤波去噪和光照均衡处理,保障人脸区域的准确检测。2.人脸检测与运动目标跟踪。在综合分析比较了各类人脸检测方法之后,本文采用基于Adaboost算法的人脸分类器检测视频图像中驾驶员的面部区域。该方法通过Haar-Like特征与积分图像法迭代训练人脸分类器。与传统的基于肤色或模板匹配的人脸检测方法相比,其检测效率更高、准确性更好。基于人脸检测的结果,采用粒子滤波运动目标跟踪算法实时追踪驾驶员的面部目标区域。3.眼睛检测与状态识别。首先,利用面部器官的几何分布规则粗略分割眼部的候选区域。其次,基于大律法对双眼区域进行图像自适应二值化。通过垂直积分投影并计算连通区域个数,判断驾驶者是否佩戴眼镜。最后,分两种情况选择对应的算法识别睁眼或闭眼状态。如果驾驶员佩戴眼镜,则提出基于局部直方图统计特征的算法识别眼部状态;如果驾驶员未佩戴眼镜,则采取基于Adaboost算法的人眼分类器直接定位眼睛,对单眼区域二值化后提取最大矩形并得到眼睛的近似张角,由阈值判断眼睛睁开或闭合状态。4.嘴部检测与状态识别。嘴部相对于人脸其他区域来说具有特殊的颜色与亮度信息。本文为了简化计算、提高检测效率,首先根据嘴部在面部的分布位置,粗定位嘴部候选区。其次二值化获得嘴部面积,利用Sobel边缘检测法提取嘴部边缘获得嘴部周长。最后计算似圆度,识别嘴部张开或闭合状态。5.头部状态识别。人在打瞌睡时,头部会出现突发性的上仰、下沉或规律性的上下往复运动。这部分主要利用已经定位到的眼睛与嘴部中心点位置信息,6.疲劳状态判断。该过程利用持续闭眼时间、眨眼频率、PERCLOS参数、打哈欠持续时间、打哈欠次数和点头频率等指标综合判断驾驶者是否瞌睡。最后根据疲劳状态各等级对应的面部表情行为特征,构建疲劳驾驶检测系统流程图,当检测到疲劳状态时,及时预警并让机动车自动减速。实验中对4组模拟驾驶场景下的视频图像进行检测,结果表明本文疲劳驾驶检测算法的检测效率较高,准确性较好,且满足系统对于实时性的要求。
[Abstract]:......
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U463.6;U495;TP391.41

【相似文献】

相关期刊论文 前10条

1 刘泉影;毛承胜;聂碧娟;胡斌;;普适环境下基于脑电的身份及上下文状态识别[J];东南大学学报(自然科学版);2010年S2期

2 齐永顺;张文泉;;设备状态识别[J];机械设计与制造;1987年04期

3 李力,赵新泽;应用统计数学方法增进机器状态识别技术[J];实用测试技术;2000年03期

4 王琼;王欢;赵春霞;杨静宇;;基于眼睛状态识别的驾驶员疲劳监测[J];南京理工大学学报(自然科学版);2010年04期

5 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

6 李虹;;路面状态识别技术概述[J];气象水文海洋仪器;2012年04期

7 余丹炯;李训铭;;驾驶困倦预警系统中眼部状态识别的研究[J];河海大学常州分校学报;2007年02期

8 张雷元;袁建华;赵永进;;道路交通状态识别技术研究[J];道路交通与安全;2009年02期

9 王正军;张培林;任国全;高经纬;李兵;;装备发动机运行状态识别[J];四川兵工学报;2008年02期

10 余成波，，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

相关会议论文 前9条

1 汤新蓓;郑德玲;汤峥嵘;张长红;;证据理论支持下的状态识别方法[A];1997年中国控制会议论文集[C];1997年

2 郑德玲;方巍;;基于组合逻辑与模糊逻辑的状态识别方法[A];1998年中国控制会议论文集[C];1998年

3 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年

4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

5 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

6 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

7 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年

8 周颖;郑德玲;裘之亮;位耀光;;一种新的免疫识别算法及其收敛性研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

9 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

相关博士学位论文 前4条

1 李楠;基于单类学习的异常检测方法及其重型装备状态识别应用[D];上海交通大学;2014年

2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年

3 李虹;基于机器视觉路面状态识别关键技术研究[D];吉林大学;2009年

4 王金伟;基于表情时空特征的认知情感状态识别研究[D];天津大学;2014年

相关硕士学位论文 前10条

1 游雄雄;矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估[D];江西理工大学;2015年

2 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

3 叶卿;信号控制交叉口交通拥堵状态识别方法研究[D];华南理工大学;2015年

4 张鑓;人体运动状态感知机理及传感数据分析研究[D];北京工业大学;2015年

5 邵剑雄;基于霍夫森林的变电站开关设备检测及状态识别[D];浙江大学;2016年

6 刘雨;基于SVM的直升机飞行状态识别方法及其应用研究[D];南昌航空大学;2016年

7 冯青平;基于云计算的交通流预测与状态识别关键技术研究[D];江苏大学;2016年

8 鲍阚;智能车辆近场物体探测及其状态识别方法研究[D];吉林大学;2016年

9 王宁;基于多信息融合的疲劳状态识别研究[D];山东大学;2016年

10 赵正川;基于高速视频的目标状态识别技术研究[D];西安工业大学;2016年

本文编号：1640715