基于面部信息的疲劳驾驶检测方法研究

发布时间：2017-06-13 23:07

  本文关键词：基于面部信息的疲劳驾驶检测方法研究，由笔耕文化传播整理发布。

【摘要】：随着交通运输工业的快速发展,机动车持有量的不断增加,交通事故的发生频率也越来越大,给人们带来了巨大的人身安全隐患和经济损失。疲劳是影响驾驶员安全驾驶的一个主要因素。据统计,大约有20%的交通事故发生原因就是驾驶员的疲劳驾驶。因此在事故发生前,对驾驶员做出实时准确的疲劳警告尤其重要。本文在分析了国内外多种疲劳检测方法的基础上,结合眼部、嘴部和鼻部这三个面部特征进行研究,通过将多个参数进行融合,提高了疲劳检测的准确率。本文的主要研究内容如下:1.对视频图像预处理。考虑到在驾驶过程中光照和噪声的影响,在比较了不同的图像增强方法后,选择了中值滤波、Laplacian算子锐化对原图像做增强处理;在对比了直方图均衡化和参考白算法的光照均衡效果后,选取了改进的参考白算法对图像做光照补偿处理。2.人脸的检测和跟踪。首先利用肤色特征检测出驾驶员的肤色区域,然后采用积分投影法结合人脸的长宽比例来定位人脸,这种方法可以减少脖子处肤色的影响。最后,结合首帧检测到的人脸区域,改进camshift算法使其对后续帧的人脸区域做自动跟踪,增强了系统检测的实时性。3.眼部检测及打瞌睡判断。首先对人脸上半部分区域的二值化图像做积分投影处理,利用投影曲线的波谷信息检测出眉眼区域;然后通过分析眉眼区域图像的水平和垂直投影曲线,计算两个投影曲线上波谷宽度的比值,再结合眉眼区域内黑色像素点个数所占比例来判断眼睛的睁闭;最后基于PERCLOS准则和眨眼频率来判断眼睛是否打瞌睡。4.打哈欠判断。首先利用canny检测算法对嘴部和鼻部的二值图像做边缘提取处理,通过计算上下嘴唇到鼻孔位置的距离的比值来判断嘴是否张开;然后利用嘴张开时间的长短来判断是否打哈欠。这种方法可以降低由驾驶员距离摄像头远近的变化而产生的影响,增强了系统检测的准确性。在疲劳判断时,首先检测驾驶员是否打瞌睡,若打瞌睡则直接将疲劳预警信息发送给驾驶员;否则再进入下一步,判断驾驶员是否打哈欠,若检测到打哈欠,同样发出疲劳预警。实验中对5名实验者的视频图像做疲劳检测处理,通过将眼部、嘴部和鼻部这三个特征参数融合,提高了疲劳判断的准确率,效果很好。
【关键词】：疲劳驾驶 人脸检测 人脸跟踪 积分投影 canny检测
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-15
• 1.1 研究背景及意义11-12
• 1.2 研究方法及现状12-14
• 1.3 本文的研究内容及结构安排14-15
• 第2章 图像处理技术15-23
• 2.1 图像增强处理15-21
• 2.1.1 图像滤波处理15-19
• 2.1.2 直方图均衡化19-21
• 2.2 基于改进的参考白算法的光照补偿21-22
• 2.3 本章小结22-23
• 第3章 人脸检测和跟踪23-37
• 3.1 人脸检测算法介绍23-24
• 3.2 结合肤色特征和积分投影法的人脸检测算法24-31
• 3.2.1 色彩空间的选择24-27
• 3.2.2 肤色模型的选择和肤色的提取27-29
• 3.2.3 结合脸部比例和积分投影法的人脸定位29-31
• 3.3 目标跟踪算法介绍31-32
• 3.4 结合肤色特征、积分投影和Camshift算法的人脸跟踪32-35
• 3.5 本章小结35-37
• 第4章 驾驶员眼部和嘴部状态的判定37-49
• 4.1 眼部状态的判定37-44
• 4.1.1 常用的眼部检测方法介绍37-38
• 4.1.2 基于积分投影法的眉眼区域检测38-40
• 4.1.3 眼睛睁闭状态的判定40-44
• 4.2 嘴部状态的判定44-47
• 4.2.1 常用的嘴部检测方法介绍44
• 4.2.2 基于改进的Canny算法的嘴唇和鼻孔的边缘检测44-46
• 4.2.3 嘴部张开与闭合状态的判定46-47
• 4.3 本章小结47-49
• 第5章 驾驶员疲劳状态判定49-55
• 5.1 打瞌睡判断49-51
• 5.1.1 PERCLOS准则49-50
• 5.1.2 眨眼频率50-51
• 5.1.3 基于PERCLOS值和眨眼频率的打瞌睡判断51
• 5.2 打哈欠判断51-52
• 5.3 结合眼部和嘴部状态的综合疲劳判定52-53
• 5.4 实验结果分析53
• 5.5 本章小结53-55
• 第6章 总结与展望55-57
• 6.1 总结55-56
• 6.2 展望56-57
• 参考文献57-62
• 作者简介及科研成果62-63
• 致谢63

【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 王丰;基于视觉的汽车驾驶员疲劳检测装置[D];沈阳工业大学;2008年

  本文关键词：基于面部信息的疲劳驾驶检测方法研究，由笔耕文化传播整理发布。

，

本文编号：447843