面部特征融合的电力作业头疲劳检测方法研究

发布时间：2017-08-29 01:28

  本文关键词：面部特征融合的电力作业头疲劳检测方法研究

  更多相关文章： 疲劳作业检测 AdaBoost Retinex算法 Haar特征 LBP特征

【摘要】：针对电力员工作业疲劳状态检测过程中存在光照不均、噪声干扰以及准确率低等问题,在AdaBoost级联分类器算法的基础上,提出一种对电力员工进行多特征疲劳状态检测的方法。首先,对图像进行预处理,利用Retinex算法对图像进行增强;其次,用Haar特征表示人脸特征,LBP特征表示眼部和嘴部特征,利用训练好的分类器进行人脸检测以及眼部、嘴部特征的提取;最后,根据眼部高宽比和嘴部宽高比分别对眼部闭合状态和嘴部张闭状态进行判别,并用PERCLOS原理统计员工眼部闭合频率,结合打哈欠时嘴部规律性闭合情况来完成疲劳状态判别。实验结果表明:该方法能在复杂背景下快速检测出疲劳状态,具有较强的适应性和鲁棒性。
【作者单位】： 陕西科技大学电气与信息工程学院;陕西农产品加工技术研究院;
【关键词】： 疲劳作业检测 AdaBoost Retinex算法 Haar特征 LBP特征
【基金】：西安市科技局农业信息化综合服务平台的研究与建设项目(NC1319(2))~~
【分类号】：TM08;TP391.41
【正文快照】： 嘴部特征的提取;最后,根据眼部高宽比和嘴部宽高比分别对眼部闭合状态和嘴部张闭状态进行判别,并用PERCLOS原理统计员工眼部闭合频率,结合打哈欠时嘴部规律性闭合情况来完成疲劳状态判别。实验结果表明:该方法能在复杂背景下快速检测出疲劳状态,具有较强的适应性和鲁棒性。随，

本文编号：750608