基于面部特征的疲劳检测系统的设计与实现

发布时间：2023-04-04 00:20

　　汽车作为日常生活中越发受欢迎的交通工具,方便了我们的生产生活。随着汽车的增加,由此引发的交通事故也逐渐增加,而疲劳驾驶诱发的占事故总和的20%以上。据不完全统计,每个司机都经历过疲劳驾驶。在今年新冠疫情的特殊期间,国家更提倡自驾出行以避免交叉感染,所以警惕疲劳驾驶,注意行车安全尤为重要。本文设计了一套疲劳驾驶检测系统,搭载ARM核心板、红外摄像头及高分贝扬声器等硬件设备,能有效地、实时地检测驾驶员是否疲劳,并进行报警。本系统将摄像头采集到的多个面部特征进行融合,得到判别结果,并将其应用到实际。具体研究内容如下:(1)疲劳驾驶检测系统的设计。根据需求分析,制定出疲劳驾驶检测系统的设计方案和具体技术路线,将系统分为视频采集、面部检测及定位、特征提取、建模识别及声音报警五个模块。(2)人脸检测及定位。采用能适应各种环境的MTCNN人脸检测算法,由P-Net、R-Net和O-Net三层子网络级联而成,同步完成边框回归和面部关键点粗定位。使用级联回归的ERT算法实现面部68个特征点定位。(3)面部疲劳表情识别。提出了一种CNN+LSTM动态疲劳表情识别模型。本模型采用CNN来提取单帧面部图像的空...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究的背景及意义
    1.2 国内外研究现状
        1.2.1 基于生理状态的疲劳驾驶检测
        1.2.2 基于行车数据的驾驶员疲劳特征
        1.2.3 基于图像处理的驾驶员疲劳特征
        1.2.4 基于信息融合的驾驶员疲劳特征
    1.3 目前存在的问题
    1.4 论文的主要研究内容
    1.5 论文的组织结构
第二章 疲劳驾驶检测系统总体设计
    2.1 需求分析
    2.2 系统设计方案
        2.2.1 系统总体设计
        2.2.2 系统硬件设计
        2.2.3 系统软件算法设计
    2.3 本章小结
第三章 人脸检测及特征点定位
    3.1 人脸检测算法概述
    3.2 MTCNN人脸检测算法
        3.2.1 图像金字塔预处理
        3.2.2 MTCNN网络模型
        3.2.3 网络训练与检测
    3.3 ERT人脸特征点定位算法
    3.4 总结
第四章 疲劳驾驶特征提取
    4.1 面部动态特征
        4.1.1 眼部特征
        4.1.2 嘴部特征
        4.1.3 头部状态
        4.1.4 实验结果分析
    4.2 疲劳表情识别
        4.2.1 CNN的表情特征提取
        4.2.2 长短期记忆网络
        4.2.3 CNN+LSTM的模型搭建
        4.2.4 网络训练及结果
    4.3 疲劳表情特征
    4.6 本章小结
第五章 疲劳检测建模
    5.1 引言
    5.2 D-S理论概述
        5.2.1 D-S理论
        5.2.2 Dempster证据组合规则
    5.3 疲劳特征建立
    5.4 疲劳识别模型的搭建
        5.4.1 支持向量机后验概率输出
        5.4.2 疲劳模型的设计
        5.4.3 疲劳模型的训练及结果分析
    5.5 本章小结
第六章 系统结果与分析
    6.1 服务器设计
    6.2 系统安装环境
    6.3 系统检测流程
    6.4 实验结果与分析
        6.4.1 人脸检测及特征点定位
        6.4.2 动态特征提取
        6.4.3 疲劳表情识别
        6.4.4 系统整体测试
        6.4.5 系统检测时间测试
    6.5 结论
第七章 结论与展望
    7.1 结论
    7.2 展望
参考文献
致谢
附录



本文编号：3781429