基于视觉的驾驶员疲劳检测算法研究

发布时间：2017-03-24 07:14

  本文关键词：基于视觉的驾驶员疲劳检测算法研究，由笔耕文化传播整理发布。

【摘要】：随着物质条件的不断提高,汽车在日常生活中越来越普及。虽然汽车带给人们很多便利,但是也带来了越来越多的交通事故,使得广大家庭和社会遭受巨大伤害和损失。据统计,在所有的交通事故中,疲劳驾驶导致的事故数量占了很大的比例。因此,来自不同国家不同领域的众多研究人员都展开了对驾驶员疲劳检测的研究,取得了很大成果。考虑疲劳检测应该同时满足准确性、实时性、鲁棒性、舒适性的要求,所以本文研究了基于视觉的驾驶员疲劳检测算法,并验证了这是一种无接触的、实时性好的、高准确性的算法。本文遵从由大到小,逐步缩小定位的原则,采用数字图像处理、计算机视觉和模式识别技术提取驾驶员眼部特征然后通过结合PERCLOS疲劳判定标准和眨眼频率的方法来判定驾驶员是否疲劳。论文所做的主要工作如下：1.采用中值滤波去噪,基于直方图均衡化和“参考白”结合的方法进行光补偿。通过简单操作对图像进行预处理,可以使得后续步骤的处理更加方便,提高了系统的准确性和鲁棒性。2.利用肤色在YCbCr模型中的聚类特性,在原始图像中提取出人脸候选区域,减少后续检测目标区域,提高系统的速度,实时性更好。3.采用Adaboost算法来检测人脸区域,先分别采用Haar特征和LBP特征来训练人脸分类器,然后使用两种人脸分类器进行测试并对比结果,最终选择速度更快,效果更好的基于LBP特征的Adaboost分类器。4.基于“三庭五眼”的先验知识在人脸区域粗定位人眼,再使用Adaboost人眼分类器进行精确定位。然后通过对人眼图像进行Otsu二值分割和形态学操作提取到人眼轮廓,再计算出人眼的高宽比,通过高宽比的大小来识别人眼状态。5.对提取的人眼特征,采用基于PERCLOS-P80和眨眼频率相结合的方法来判定驾驶员是否疲劳,该方法具有准确度高、实时性好、鲁棒性强的优点。能够有效的对驾驶员疲劳状态进行判定和预警。本文在VS2013开发环境,使用C++语言并结合OpenCV2.49计算机视觉库完成疲劳检测算法的仿真和实现。通过在驾驶室模拟静态驾驶员行车环境,进行了不同光照,不同遮挡及不同转向角度下的测试,结果表明本文方法在静态驾驶环境中,系统各个阶段都能实时准确实现,有效的检测到驾驶员的疲劳状态,并发出预警,避免因疲劳驾驶造成的交通事故。
【关键词】：疲劳检测 Adaboost 人脸检测 人眼定位 MB-LBP PERCLOS
【学位授予单位】：湖南大学
【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1章 绪论10-18
• 1.1 课题研究背景及意义10-11
• 1.2 疲劳驾驶检测技术分类11-14
• 1.2.1 基于生理信号的检测方法11-12
• 1.2.2 基于车辆行为的检测方法12-13
• 1.2.3 基于驾驶员行为的检测方法13-14
• 1.3 疲劳驾驶检测国内外现状14-15
• 1.3.1 国外疲劳检测研究现状14
• 1.3.2 国内疲劳检测研究现状14-15
• 1.4 基于视觉的驾驶员疲劳检测15-16
• 1.5 论文的主要内容和组织结构16-18
• 第2章 疲劳检测预处理与肤色分割18-31
• 2.1 疲劳检测预处理18-21
• 2.1.1 图像去噪18-19
• 2.1.2 图像光补偿19-21
• 2.2 肤色分割21-30
• 2.2.1 色彩空间21-25
• 2.2.2 肤色模型25-27
• 2.2.3 形态学图像处理27-30
• 2.3 本章小结30-31
• 第3章 Adaboost人脸检测算法31-52
• 3.1 矩形特征31-36
• 3.1.1 haar矩形特征31-34
• 3.1.2 LBP矩形特征34-36
• 3.2 积分图36-38
• 3.3 haar特征的Adaboost算法38-41
• 3.4 改进LBP特征的Adaboost算法41-45
• 3.5 MB-LBP特征与其它特征的效果对比45-47
• 3.5.1 速度上的提升45-47
• 3.5.2 效果上的提升47
• 3.6 实验结果分析47-51
• 3.7 本章小结51-52
• 第4章 驾驶员人眼定位与识别52-63
• 4.1 人眼定位52-56
• 4.1.1 人眼定位方法概述52-53
• 4.1.2 改进的基于知识和统计结合的人眼定位53-56
• 4.2 人眼识别56-59
• 4.2.1 人眼识别方法概述56-57
• 4.2.2 改进的基于人眼高宽比人眼识别57-59
• 4.3 实验结果分析59-62
• 本章小结62-63
• 第5章 疲劳分析63-70
• 5.1 基于视觉的疲劳检测方法概述63-64
• 5.2 基于眨眼频率与PERCLOS结合的疲劳判定64-68
• 5.2.1 PERCLOS参数提取65-66
• 5.2.2 眨眼频率参数提取66-67
• 5.2.3 疲劳判定的阈值67-68
• 5.3 实验结果分析68-69
• 5.4 本章小结69-70
• 总结与展望70-72
• 致谢72-73
• 参考文献73-78
• 附录A (攻读学位期间的研究成果)78-79
• 附录B (攻读学位期间参与的科研项目)79

【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

  本文关键词：基于视觉的驾驶员疲劳检测算法研究，，由笔耕文化传播整理发布。

本文编号：265263