基于人脸视频智能分析的日间驾驶员不安全行为检测分类与预警系统

发布时间：2022-02-24 16:16

　　随着人们生活水平的提高,社会生产技术的不断革新,汽车已经进入寻常百姓家并成为家庭出行的重要交通工具,但是与此同时,交通事故的发生频率逐年攀升,每年都会有很多人在交通事故中丧命。疲劳驾驶与分心驾驶这两种不安全驾驶行为是导致交通事故发生的重要原因,这也使其获得各个国家重视,成为交通安全问题研究领域急需解决的重要难题。本文调研了国内外疲劳检测与分心检测的方法,并进行比较分析、综合利弊,利用OpenFace2.0面部行为分析工具,研发了一种非接触式、实时有效的驾驶员不安全行为检测预警系统。该系统首先利用基于多任务卷积神经网络模型的人脸检测方法实现人脸检测,再使用约束局部神经域模型算法定位出驾驶员的面部特征点,其次依据相机标定与直接最小二乘法实现头部姿态估计,通过瞳孔中心和眼球中心所在直线与眼球表面的交点实现眼睛注视方向估计。根据眼睛纵横比、嘴巴纵横比、头部偏航角以及眼睛注视向下角的疲劳状态与分心状态的特征对驾驶员不安全行为实现预警。论文中对人脸检测与特征点检测算法效果进行验证。在日间光照条件下,通过实验得出眼睛纵横比、嘴巴纵横比、头部偏航角以及眼睛注视向下角的合理阈值,依据疲劳与分心状态的时间... 

【文章来源】：西安理工大学陕西省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 疲劳驾驶与分心驾驶的概念
        1.2.1 疲劳驾驶概念
        1.2.2 分心驾驶概念
    1.3 国内外研究现状
        1.3.1 国内研究现状
        1.3.2 国外研究现状
        1.3.3 研究现状分析
    1.4 论文研究内容
    1.5 论文结构安排
2 人脸检测与特征点定位
    2.1 人脸检测方法概述
    2.2 基于MTCNN的人脸检测算法
        2.2.1 基本原理
        2.2.3 检测流程
    2.3 人脸检测算法效果对比分析
    2.4 人脸特征点定位方法概述
    2.5 基于CLNF的人脸特征点定位算法
        2.5.1 基本原理
        2.5.2 拟合过程
    2.6 MTCNN与 CLNF算法结合的检测效果分析
    2.7 本章小结
3 疲劳特征提取及疲劳状态判定
    3.1 驾驶员眼睛特征提取方法
        3.1.1 眼睛纵横比值计算
        3.1.2 眼睛状态判定
    3.2 驾驶员嘴巴特征提取方法
        3.2.1 嘴巴纵横比值计算
        3.2.2 嘴巴状态判定
    3.3 疲劳状态判定
        3.3.1 基于眼睛特征的疲劳判定
        3.3.2 基于嘴巴特征的疲劳判定
    3.4 本章小结
4 分心特征提取及分心状态判定
    4.1 驾驶员头部分心特征提取方法
        4.1.1 头部姿态计算
        4.1.2 基于头部姿态特征的分心状态判定
    4.2 驾驶员眼睛分心特征提取方法
        4.2.1 眼睛注视方向计算
        4.2.2 基于眼睛注视方向特征的分心状态判定
    4.3 本章小结
5 演示系统设计及分析
    5.1 系统设计
        5.1.1 系统需求分析
        5.1.2 系统总体设计
        5.1.3 系统开发环境
    5.2 实验分析
    5.3 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献


【参考文献】：
期刊论文
[1]我国2004-2015年交通事故影响因素实证研究[J]. 孙丽璐,吴奇,赵娟,陈甜,王霜,赵辉.  西南大学学报(自然科学版). 2018(11)
[2]认知分心时驾驶人应激反应特征分析[J]. 吕爱红,马勇,李腾飞,张雅丽.  中国安全科学学报. 2018(07)
[3]手机打车软件操作驾驶分心检测模型研究[J]. 唐智慧,王志鹏,党珊,朱翠翠.  交通运输工程与信息学报. 2018(01)
[4]基于人脸关键点的疲劳驾驶检测研究[J]. 黄家才,旷文腾,毛宽诚.  南京工程学院学报(自然科学版). 2017(04)
[5]基于嵌入式平台的人脸疲劳检测算法[J]. 周未,王凌云,张桐瑄,王存睿,吴旭.  大连民族大学学报. 2017(03)
[6]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)
[7]基于多特征融合的驾驶员状态检测的实现[J]. 许鹏程,李志斌,黄启韬,周奕轩,吴文峰.  电子技术应用. 2017(04)
[8]驾驶人视觉分心与认知分心研究综述[J]. 刘卓凡,付锐,程文冬,吴付威.  中国安全科学学报. 2015(07)
[9]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)

硕士论文
[1]基于3D CNN的疲劳驾驶预警系统的研究[D]. 王青.南京邮电大学 2019
[2]基于脑电信号多熵特征的驾驶疲劳检测模型研究[D]. 王海玉.江西农业大学 2019
[3]基于面部特征的疲劳驾驶检测系统设计[D]. 李庆臣.郑州大学 2019
[4]基于视觉特征的驾驶员分心驾驶行为甄别方法研究[D]. 姚莹.北京工业大学 2017
[5]基于人脸特征点的驾驶员疲劳检测算法研究[D]. 徐妙语.河南大学 2017
[6]基于实车方向盘操作特征的疲劳驾驶检测方法研究[D]. 贾丽娟.清华大学 2017
[7]基于人脸特征的驾驶员疲劳检测算法与实现[D]. 黄斌.南京航空航天大学 2017
[8]基于人脸识别驾驶员疲劳检测系统设计与开发[D]. 才博.大连理工大学 2016
[9]基于驾驶操作及车辆状态的疲劳驾驶行为检测研究[D]. 黄皓.东南大学 2016
[10]驾驶员疲劳驾驶实时检测系统设计与研究[D]. 周鹏飞.长春工业大学 2016



本文编号：3643080