脑电结合视觉检测的疲劳状态识别研究
发布时间：2021-01-16 07:44
疲劳是指机体生理机能出现衰退的现象,在驾驶领域,每年因疲劳驾驶造成的交通事故数量巨大。基于单一信息特征的疲劳检测方式易受人体行为以及环境因素的影响,检测系统的准确率以及稳定性不高,因此目前疲劳检测的研究趋势是结合多种信息特征的综合检测手段。本文结合视觉特征以及脑电特征进行人体疲劳检测,具有重要的理论意义和应用价值。在基于视觉特征的疲劳检测研究中,针对目前人眼定位速率较慢,人眼状态识别率不足的问题,提出了一种灰度积分投影结合区域-卷积神经网络的人眼定位方法,该方法首先采用灰度积分投影进行人眼的粗定位,然后将粗定位得到的人眼候选区域输入区域-卷积神经网络完成了人眼定位;采用改进的卷积神经网络完成了人眼的特征点检测,根据人眼特征点,实现了单帧视频的人眼状态检测;根据人眼状态在时间序列上的变化提取疲劳特征并通过支持向量机（Support Vector Machine,SVM）训练了基于人眼视觉特征的单模态疲劳检测模型,完成了基于视频流的人体疲劳状态识别。实验结果表明,与常用的Gabor+SVM等算法相比,本文提出的人眼定位算法有效提高了人眼定位精度和速率,利用人眼特征点的人眼状态检测具有较好的...
【文章来源】：重庆邮电大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
基于视觉特征的疲劳检测流程
图 2.2 RGB 空间模型空间结构最为简单，空间中可以表示大部分颜色，但度、亮度、饱和度等信息，因此对背景环境的鲁棒性境下肤色检测效果难以满足检测要求。文献[32]在进行了肤色检测实验，实验结果表明在 HSV 颜色空色检测结果相似，但是肤色点在 YCbCr 空间下聚的更r 空间来进行肤色检测。空间的选择，肤色模型也是影响肤色检测的一个重要一种常用的参数化建模方法，也是目前肤色检测中常为简单高斯模型以及混合高斯模型。模型假设肤色分布服从单高斯分布，利用统计分析预的方法包括如期望最大化(Expectation-Maximizatio[33]
位论文 第 2 章 基于改进卷积神经网提取()()(|)1inkiP x P Px 间以及肤色模型的分析，本文采用基于 YCb色检测，对经过肤色检测的图像进行腐蚀、遍历图像像素，将结构元素与覆盖的图像像素噪点。膨胀的原理与腐蚀类似，利用 3 3 的填补前景目标中的细微断裂。本文的肤色检测过肤色检测往往难以直接获得人脸区域，同此本文对经过肤色检测的图像中的联通区域
【参考文献】：
期刊论文
[1]Training and Testing Object Detectors With Virtual Images[J]. Yonglin Tian,Xuan Li,Kunfeng Wang,Fei-Yue Wang. IEEE/CAA Journal of Automatica Sinica. 2018(02)
[2]负熵最大化条件下的语音信号盲源分离技术研究[J]. 闫姝,徐岩. 自动化仪表. 2017(10)
[3]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)
[4]基于张量的2D-PCA人脸识别算法[J]. 叶学义,王大安,宦天枢,夏经文,顾亚风. 计算机工程与应用. 2017(06)
[5]信息融合发展沿革与技术动态[J]. 赵宗贵,李君灵. 指挥信息系统与技术. 2017(01)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]面部多特征融合的驾驶员疲劳检测方法[J]. 周云鹏,朱青,王耀南,卢笑,凌志刚. 电子测量与仪器学报. 2014(10)
[8]基于极大似然偏差去除的FastICA算法[J]. 刘克,田学民,蔡连芳,张银雪. 计算机仿真. 2013(12)
[9]改进的高斯肤色模型及其在人脸检测中的应用[J]. 刘春生,常发亮,陈振学,李爽. 仪器仪表学报. 2012(05)
[10]疲劳驾驶与交通事故关系[J]. 李都厚,刘群,袁伟,刘浩学. 交通运输工程学报. 2010(02)
硕士论文
[1]基于脑电信号的脑疲劳状态研究[D]. 于向洋.杭州电子科技大学 2017
[2]基于驾驶行为的疲劳驾驶检测方法研究[D]. 金雪.北京工业大学 2015
[3]嵌入式驾驶员疲劳检测系统应用软件设计与实现[D]. 徐明.郑州大学 2014
[4]驾驶疲劳测评方法研究及其DSP实现[D]. 王洪涛.武汉理工大学 2007
[5]基于Adaboost算法的数字识别技术的研究与应用[D]. 赵万鹏.中国科学院研究生院（成都计算机应用研究所） 2006
本文编号：2980428
【文章来源】：重庆邮电大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
基于视觉特征的疲劳检测流程
图 2.2 RGB 空间模型空间结构最为简单，空间中可以表示大部分颜色，但度、亮度、饱和度等信息，因此对背景环境的鲁棒性境下肤色检测效果难以满足检测要求。文献[32]在进行了肤色检测实验，实验结果表明在 HSV 颜色空色检测结果相似，但是肤色点在 YCbCr 空间下聚的更r 空间来进行肤色检测。空间的选择，肤色模型也是影响肤色检测的一个重要一种常用的参数化建模方法，也是目前肤色检测中常为简单高斯模型以及混合高斯模型。模型假设肤色分布服从单高斯分布，利用统计分析预的方法包括如期望最大化(Expectation-Maximizatio[33]
位论文 第 2 章 基于改进卷积神经网提取()()(|)1inkiP x P Px 间以及肤色模型的分析，本文采用基于 YCb色检测，对经过肤色检测的图像进行腐蚀、遍历图像像素，将结构元素与覆盖的图像像素噪点。膨胀的原理与腐蚀类似，利用 3 3 的填补前景目标中的细微断裂。本文的肤色检测过肤色检测往往难以直接获得人脸区域，同此本文对经过肤色检测的图像中的联通区域
【参考文献】：
期刊论文
[1]Training and Testing Object Detectors With Virtual Images[J]. Yonglin Tian,Xuan Li,Kunfeng Wang,Fei-Yue Wang. IEEE/CAA Journal of Automatica Sinica. 2018(02)
[2]负熵最大化条件下的语音信号盲源分离技术研究[J]. 闫姝,徐岩. 自动化仪表. 2017(10)
[3]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)
[4]基于张量的2D-PCA人脸识别算法[J]. 叶学义,王大安,宦天枢,夏经文,顾亚风. 计算机工程与应用. 2017(06)
[5]信息融合发展沿革与技术动态[J]. 赵宗贵,李君灵. 指挥信息系统与技术. 2017(01)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]面部多特征融合的驾驶员疲劳检测方法[J]. 周云鹏,朱青,王耀南,卢笑,凌志刚. 电子测量与仪器学报. 2014(10)
[8]基于极大似然偏差去除的FastICA算法[J]. 刘克,田学民,蔡连芳,张银雪. 计算机仿真. 2013(12)
[9]改进的高斯肤色模型及其在人脸检测中的应用[J]. 刘春生,常发亮,陈振学,李爽. 仪器仪表学报. 2012(05)
[10]疲劳驾驶与交通事故关系[J]. 李都厚,刘群,袁伟,刘浩学. 交通运输工程学报. 2010(02)
硕士论文
[1]基于脑电信号的脑疲劳状态研究[D]. 于向洋.杭州电子科技大学 2017
[2]基于驾驶行为的疲劳驾驶检测方法研究[D]. 金雪.北京工业大学 2015
[3]嵌入式驾驶员疲劳检测系统应用软件设计与实现[D]. 徐明.郑州大学 2014
[4]驾驶疲劳测评方法研究及其DSP实现[D]. 王洪涛.武汉理工大学 2007
[5]基于Adaboost算法的数字识别技术的研究与应用[D]. 赵万鹏.中国科学院研究生院（成都计算机应用研究所） 2006
本文编号：2980428
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2980428.html
