基于信息熵的疲劳状态决策研究

发布时间：2021-03-31 18:20

　　疲劳是一种主观不适的感觉,在客观同等条件下,疲劳会使人丧失完成正在从事的正常活动的能力。它是每个人都会产生的生理状态,严重的疲劳状态会影响人的工作效率甚至危及生命安全。为了降低疲劳状态造成的危害,本文提出了一种基于信息熵的疲劳状态决策的方法。本文利用图像处理与模式识别的技术。首先从采集到的帧图像中进行面部检测,提取出眼部和嘴巴的特征,然后进行状态的分类。其次,使用比例正交投影迭代变换算法结合面部关键特征点估计头部姿态,根据各部分器官的状态可以得到相应的疲劳决策指标。最后,通过熵权法求疲劳决策指标在这段视频中的状态决策权重,结合贝叶斯理论完成一段时间内驾驶员疲劳等级的决策。具体内容如下:1)为了降低光照对面部检测的影响,使用自商图的方式进行图像预处理。通过MUCT人脸数据库与新增的疲劳相关人脸数据集对主动形状模型进行训练,在闭眼、张嘴打哈欠时也可以获得了较好的配准效果。2)使用边缘检测与霍夫变换定位瞳孔中心位置。通过分析常用的图像纹理特征的优缺点,选取方向梯度直方图特征描述眼睛和嘴巴的纹理信息。根据面部关键特征点获取到眼睛和嘴巴的区域,提取其方向梯度直方图特征并用支持向量机分类,得到嘴巴... 

【文章来源】：西安工业大学陕西省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

系统处理的过程

图 2.5 相机标定当提取到全部角点后，下一步就需要对相机进行标定。调用 OpenCV 中vCalibrateCamera2()函数完成对相机的标定，由此可以得到相机的内参数、畸变系数， 2.6 所示：图 2.6 标定结果对于相机的标定流程可以总结为以下几点：一、通过拍摄到的棋盘图像提取棋盘的角点

进一步再提取亚像素角点信息。在棋牌标定图上绘制找到的内角点，然后进行相机标定。若没有找到全部角点，需要在图中画出找的角点；若检测到全部角点，用白色线条将角点连接起来，如图 2.5 所示。图 2.5 相机标定当提取到全部角点后，下一步就需要对相机进行标定。调用 OpenCV 中的cvCalibrateCamera2()函数完成对相机的标定，由此可以得到相机的内参数、畸变系数，如图 2.6 所示：

【参考文献】：
期刊论文
[1]基于面部行为分析的驾驶员疲劳检测方法[J]. 耿磊,袁菲,肖志涛,张芳,吴骏,李月龙.  计算机工程. 2018(01)
[2]生理疲劳和心理疲劳对车辆驾驶的影响对比[J]. 钟铭恩,黄杰鸿,乔允浩,洪汉池.  中国安全生产科学技术. 2017(01)
[3]瞳孔直径大小检测驾驶员疲劳的实证效度分析[J]. 马锦飞,常若松,高远.  辽宁师范大学学报(社会科学版). 2014(01)
[4]基于HOG特征和SVM的人脸表情识别[J]. 王阳,穆国旺,睢佰龙.  河北工业大学学报. 2013(06)
[5]基于自商图像的人脸图像增强[J]. 施水才,杨忱,王涛,吕学强.  计算机工程与应用. 2013(13)
[6]姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法[J]. 平强,庄连生,俞能海.  电子学报. 2012(10)
[7]多源信息融合在驾驶疲劳检测中的应用[J]. 沈永增,胡立芳,冯继妙.  计算机应用与软件. 2012(02)
[8]驾驶员疲劳驾驶预警系统的设计[J]. 马乐,姜立标,王会荣,王蒙.  哈尔滨工业大学学报. 2011(05)
[9]疲劳驾驶交通事故的特点分析与预防[J]. 刘秀,王长君,何庆.  中国安全生产科学技术. 2008(01)
[10]驾驶疲劳监测系统DDDS设计方法[J]. 刘志强,秦洪懋,汪旸,汪澎,张海水.  江苏大学学报(自然科学版). 2008(01)

博士论文
[1]基于计算机视觉的汽车安全辅助驾驶若干关键问题研究[D]. 徐翠.中国科学技术大学 2009

硕士论文
[1]基于面部视觉多特征融合的驾驶员疲劳检测方法研究[D]. 周云鹏.湖南大学 2015
[2]面部特征点定位算法研究[D]. 唐坤.大连理工大学 2013
[3]多特征疲劳检测系统的设计与实现[D]. 徐杰.华中科技大学 2013



本文编号：3111870