面部疲劳检测特征学习与时间建模方法研究

发布时间：2021-06-25 00:19

　　疲劳一直以来都是造成操控员操作失误的主要原因之一,尤其对于驾驶员来说。因此,研究并开发出一种能够实时地、准确地检测出操控员疲劳状态的检测系统可以作为降低失误甚至事故发生的有效措施。本文通过深度神经网络动态分析相关的面部疲劳特征以对操控员进行疲劳检测,即使用相关的算法根据与疲劳相关的面部局部特征和全局特征判定操控员的疲劳状态,其中将眼睛、嘴部及头部姿势的不同状态定义为局部特征,将整个面部反应的疲劳状态作为全局特征。最后,将眼睛的疲劳状态、嘴部的疲劳状态以及反映疲劳状态的头部姿势结合全局面部的疲劳状态来确定最终的操控员疲劳状态。本研究方案主要从面部检测、特征提取与时间建模以及数据融合进行设计与实验。（1）研究并开发出一种鲁棒性较强的面部检测器来进行面部检测。该检测器由Viola-Jones检测算法和核相关滤波跟踪算法构成。该面部检测器一方面解决了单一面部检测算法存在的头部姿势变化、光照变化、遮挡等情况导致的检测效果不佳的问题,另一方面面部检测算法解决了追踪算法的漂移问题。此外,结合跟踪算法的面部检测器可以减少面部检测次数,进而减少检测所消耗的时间。（2）使用卷积神经网络与长短期记忆网络构建... 

【文章来源】：西安工业大学陕西省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

灰度化前后的图像

西安工业大学硕士学位论文采集、传输等过程中，可能会产生不同的噪声，而这些噪效果，因此在图像预处理中需要进行去噪处理，尽可能减的去噪方法有中值滤波、均值滤波和高斯滤波。由于均值化边缘信息，而中值滤波对孤立的噪声像素的消除能力较保持图像的细节。所以本文采用的去噪方法为中值滤波。某个像素为中心点的邻域，一般为方形邻域，也可以为圆形像素的灰度值按大小排序，另其中间值为中心像素灰度的数为奇数，则以其中间值作为中值；如果元素的个数是偶作为中值。之后处理下一个像素的邻域，这样就可以完成如图 2.7 所示。

图 2.8 直方图均衡化前后的图像像处理前后的效果变化可以看出，通过直方图均衡化处理后节也更清晰，而且像素点在不同灰度级上的分布也更加均匀测面部区域对随后的面部特征提取和疲劳识别有重要的意义所提的模型的鲁棒性是很重要的。由于面部检测算法在检测的情况，而且检测速度较慢，因此本文将 Viola-Jones 面部检以解决面部检测器存在的问题。该面部检测系统的主要思想测器对图像序列的第 1 帧进行面部区域检测，将检测出的面算法的跟踪目标，对第 2 帧至第 N 帧的待测图像进行追踪，最相近的区域，并认为该区域就是目标，对检测出的区域进行中。为了避免追踪器的漂移问题，在实验中设定每一次初始化当大于 N 时，就意味着面部检测器要重新检测出新的面部区检测流程如图 2.9 所示。

【参考文献】：
期刊论文
[1]基于眼睛和嘴巴状态的驾驶员疲劳检测算法[J]. 邬敏杰,穆平安,张彩艳.  计算机应用与软件. 2013(03)
[2]基于隐马尔可夫模型（HMM）的人脸表情识别[J]. 王冲,李一民,杨霞.  通信技术. 2007(11)
[3]人脸检测方法综述[J]. 赵丽红,刘纪红,徐心和.  计算机应用研究. 2004(09)
[4]信息融合理论的基本方法与进展[J]. 潘泉,于昕,程咏梅,张洪才.  自动化学报. 2003(04)
[5]数据融合方法综述及展望[J]. 曲晓慧,安钢.  舰船电子工程. 2003(02)
[6]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林.  中国图象图形学报. 2002(01)
[7]基于区域特征的快速人脸检测法[J]. 卢春雨,张长水,闻芳,阎平凡.  清华大学学报(自然科学版). 1999(01)

博士论文
[1]基于投影光栅的复杂面形三维测量方法研究[D]. 刘忠艳.东北农业大学 2018

硕士论文
[1]基于面部行为分析的驾驶员疲劳检测方法研究[D]. 苏静静.天津工业大学 2017
[2]基于AdaBoost算法的自动人脸检测与识别[D]. 张成功.天津师范大学 2008



本文编号：3248107