基于视频监控的驾驶员分心状态检测方法的研究与实现

发布时间：2024-03-20 23:47

　　驾驶员的分心驾驶是造成交通事故的频发的主要安全隐患。然而尽管人们已经知道分心驾驶十分危险,但由于监管困难,且驾驶员没有主动改变分心习惯的意识,使得交通安全现状仍然没有得到有效的改善。为了解决这个问题,本文以驾驶员的监控视频数据为基础,研究了利用图像处理和深度学习算法来实时检测驾驶员分心状态的方法。驾驶员人脸及周围是分心状态表现的关键区域,为了排除监控图像中易干扰的背景区,提高检测过程的识别率,本文在正式检测之前,使用了一种人脸定位算法来定位驾驶员的人脸位置。首先该算法以高斯模型为基础,建立驾驶员的肤色模型。之后利用Adaboost人脸检测算法来定位初始的人脸区,基于驾驶员头部活动区缩小检测范围,根据肤色特征将驾驶员的皮肤区域分割出来。通过寻找最大连通区,排除了手部的干扰,确定该区的中心与范围得到候选的人脸区域,最后计算置信值,将置信度最高的候选区选作检测到的人脸区。通过实验与现有的KCF追踪算法进行比较,展现了该算法的稳定性和准确性。本文将检测分心状态的任务分为两个阶段,第一阶段对驾驶员的状态做出判断,只判断其是否在正常驾驶。当发现其存在分心驾驶表现时,再对其分心状态的类别做细分。这样...

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图2-1卷积运算示意图

相关理论技术9图2-1卷积运算示意图图像卷积的过程本质上就是在提取图像的特征，不同的卷积核能够提取到不同的特征。当一个卷积层有多个输入图像时，对每一张输入图进行卷积运算，之后得到的输出叠加在一起。因此，经过一次卷积核的卷积运算后，可以得到一张输出图像，当一个卷积层有多个卷积核时，....

图2-2最大池化示意图

电子科技大学硕士学位论文10化过程，一个大小为4*4的图像可以划分为4个边长为2的小矩阵，从每个小矩阵的4个像素值中选出最大的一个值，将这些值组合起来形成池化后的图像。通过这种处理方式，图像中特征的数量和相对位置不会改变，并且图像经过缩小尺寸后，可以使得同样大小的卷积核能够感受更....

图2-3全连接层示意图

电子科技大学硕士学位论文10化过程，一个大小为4*4的图像可以划分为4个边长为2的小矩阵，从每个小矩阵的4个像素值中选出最大的一个值，将这些值组合起来形成池化后的图像。通过这种处理方式，图像中特征的数量和相对位置不会改变，并且图像经过缩小尺寸后，可以使得同样大小的卷积核能够感受更....

图2-4Sigmoid函数图像

相关理论技术112.1.3激活函数激活函数是一种非线性函数，可以为神经网络引入非线性特性，从而可以使其拟合复杂的实际任务。如上所述，一般的卷积神经网络无论是卷积、池化还是全连接，都是线性的计算过程。因此可以通过引入激活函数实现网络从线性到非线性过程的转化。激活函数必须是一种非线性....

本文编号：3933490