基于面部特征与头部姿态的疲劳驾驶检测
发布时间：2021-02-02 10:30
随着经济与科技的高速发展,为了方便出行,私家车已经成为家家必备之物。全球数据统计显示,交通事故是导致非正常死亡的第一因素。全国公路交通安全管理局（National Highway Traffic Safety Administration）的一项研究结果表明,美国很大比例的交通事故,都是因驾驶员的疲劳驾驶所导致。所以,为了保障驾驶员以及路人的生命安全,研究疲劳驾驶实时检测系统是一项刻不容缓的任务,同时具有非凡的意义性。本文就疲劳驾驶的几种方案进行理论层次的研究,为了提高驾驶的安全性,通过对比国内外已经提出的几种疲劳检测算法,综合其优点,提出一种基于头部姿态与面部特征的自适应性疲劳驾驶检测系统,此系统可以实时检测驾驶员的疲劳程度。疲劳驾驶检测系统由两个子系统组成,第一个子系统是面部特征检测系统,第二个子系统是头部姿态检测系统。本文此次研究的内容分为以下六点:（1）将近20年的疲劳检测方法进行汇集整理,提出本文的疲劳检测系统。（2）研究了Haar-like特征与Adaboost算法,该算法用于判断驾驶员是否在座,实验表明此算法可以能够快速准确的检测驾驶舱中的人脸。同时研究EAR算法,此算法...
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景与意义
1.2 课题国内外研究现状
1.2.1 疲劳行为概念
1.2.2 疲劳驾驶检测方法研究现状
1.2.3 评价主体为驾驶员的疲劳检测算法
1.2.4 评价主体为车辆的疲劳检测算法
1.3 研究的主要内容
1.4 论文组织结构
第二章 疲劳驾驶检测系统及人脸检测算法
2.1 疲劳驾驶检测系统简介
2.1.1 疲劳驾驶检测系统设计原则
2.1.2 本文提出的疲劳驾驶检测系统
2.2 人脸检测
2.2.1 Haar-like特征
2.2.2 ADABOOST算法
2.3 实验结果
2.4 本章小结
第三章 基于面部特征的疲劳驾驶检测
3.1 人脸检测分类器改进
3.1.1 模拟驾驶环境介绍
3.1.2 分类器参数的优化
3.2 面部特征
3.2.1 EAR算法
3.2.2 BFR算法
3.2.3 MAR算法
3.3 实验结果
3.3.1 眼部特征采集
3.3.2 哈欠检测
3.3.3 联合判断系统
3.4 本章小结
第四章 基于头部姿态的疲劳驾驶检测
4.1 基于头部姿态的疲劳驾驶
4.2 头部姿态特征概述
4.2.1 欧拉角定义
4.2.2 头部姿态估计算法简介
4.3 相机的标定
4.3.1 三大坐标系概述
4.3.2 转化原理
4.3.3 相机标定的实现
4.4 基于罗德里格斯旋转公式的头部姿态算法
4.4.1 算法原理
4.4.2 疲劳状态判断
4.5 实验结果
4.6 本章小结
第五章 疲劳驾驶系统的树莓派仿真
5.1 树莓派平台
5.2 硬件和软件环境搭建
5.2.1 树莓派系统安装和配置
5.2.2 Python库函数安装
5.2.3 树莓派桌面远程连接（用显示器的话就不需要远程连接）
5.3 算法实现效果
5.3.1 EAR在树莓派上的实现
5.3.2 BFR在树莓派上的实现
5.3.3 MFR算法在树莓派上的实现
5.3.4 头部姿态算法在树莓派上的实现
5.4 本章小结
第六章 总结与展望
6.1 研究工作总结
6.2 展望
参考文献
致谢
附录 :攻读硕士期间参加的项目及成果
【参考文献】：
期刊论文
[1]基于AdaBoost算法的人脸检测系统设计[J]. 吴文俊,殷恒辉,陈麟. 软件. 2018(10)
[2]一种基于卷积神经网络的哈欠检测算法[J]. 马素刚,赵琛,孙韩林,韩俊岗. 计算机科学. 2018(S1)
[3]头部姿势估计研究综述[J]. 唐云祁,孙哲南,谭铁牛. 模式识别与人工智能. 2014(03)
[4]基于人眼PERCLOS特征的列车驾驶员疲劳检测系统[J]. 李洪研,赵学敏. 中国铁路. 2011(12)
[5]基于方向盘操作的驾驶人疲劳状态实时检测方法[J]. 张希波,成波,冯睿嘉. 清华大学学报(自然科学版). 2010(07)
[6]基于驾驶操作行为的驾驶员疲劳状态识别模型研究[J]. 吴超仲,张晖,毛喆,初秀民,严新平. 中国安全科学学报. 2007(04)
[7]驾驶员疲劳检测技术的研究现状及发展趋势[J]. 李志春,何仁,林谋有,李佩林. 农机化研究. 2006(05)
[8]计算机视觉中摄像机定标综述[J]. 邱茂林,马颂德,李毅. 自动化学报. 2000(01)
博士论文
[1]基于心电信号的驾驶疲劳检测方法研究[D]. 吴群.浙江大学 2008
硕士论文
[1]基于树莓派的无线视频监控系统关键技术研究[D]. 李源.郑州大学 2016
[2]融合眼部特征及头部姿态的实时疲劳驾驶检测技术研究[D]. 马召宾.山东大学 2016
本文编号：3014546
【文章来源】：东华大学上海市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景与意义
1.2 课题国内外研究现状
1.2.1 疲劳行为概念
1.2.2 疲劳驾驶检测方法研究现状
1.2.3 评价主体为驾驶员的疲劳检测算法
1.2.4 评价主体为车辆的疲劳检测算法
1.3 研究的主要内容
1.4 论文组织结构
第二章 疲劳驾驶检测系统及人脸检测算法
2.1 疲劳驾驶检测系统简介
2.1.1 疲劳驾驶检测系统设计原则
2.1.2 本文提出的疲劳驾驶检测系统
2.2 人脸检测
2.2.1 Haar-like特征
2.2.2 ADABOOST算法
2.3 实验结果
2.4 本章小结
第三章 基于面部特征的疲劳驾驶检测
3.1 人脸检测分类器改进
3.1.1 模拟驾驶环境介绍
3.1.2 分类器参数的优化
3.2 面部特征
3.2.1 EAR算法
3.2.2 BFR算法
3.2.3 MAR算法
3.3 实验结果
3.3.1 眼部特征采集
3.3.2 哈欠检测
3.3.3 联合判断系统
3.4 本章小结
第四章 基于头部姿态的疲劳驾驶检测
4.1 基于头部姿态的疲劳驾驶
4.2 头部姿态特征概述
4.2.1 欧拉角定义
4.2.2 头部姿态估计算法简介
4.3 相机的标定
4.3.1 三大坐标系概述
4.3.2 转化原理
4.3.3 相机标定的实现
4.4 基于罗德里格斯旋转公式的头部姿态算法
4.4.1 算法原理
4.4.2 疲劳状态判断
4.5 实验结果
4.6 本章小结
第五章 疲劳驾驶系统的树莓派仿真
5.1 树莓派平台
5.2 硬件和软件环境搭建
5.2.1 树莓派系统安装和配置
5.2.2 Python库函数安装
5.2.3 树莓派桌面远程连接（用显示器的话就不需要远程连接）
5.3 算法实现效果
5.3.1 EAR在树莓派上的实现
5.3.2 BFR在树莓派上的实现
5.3.3 MFR算法在树莓派上的实现
5.3.4 头部姿态算法在树莓派上的实现
5.4 本章小结
第六章 总结与展望
6.1 研究工作总结
6.2 展望
参考文献
致谢
附录 :攻读硕士期间参加的项目及成果
【参考文献】：
期刊论文
[1]基于AdaBoost算法的人脸检测系统设计[J]. 吴文俊,殷恒辉,陈麟. 软件. 2018(10)
[2]一种基于卷积神经网络的哈欠检测算法[J]. 马素刚,赵琛,孙韩林,韩俊岗. 计算机科学. 2018(S1)
[3]头部姿势估计研究综述[J]. 唐云祁,孙哲南,谭铁牛. 模式识别与人工智能. 2014(03)
[4]基于人眼PERCLOS特征的列车驾驶员疲劳检测系统[J]. 李洪研,赵学敏. 中国铁路. 2011(12)
[5]基于方向盘操作的驾驶人疲劳状态实时检测方法[J]. 张希波,成波,冯睿嘉. 清华大学学报(自然科学版). 2010(07)
[6]基于驾驶操作行为的驾驶员疲劳状态识别模型研究[J]. 吴超仲,张晖,毛喆,初秀民,严新平. 中国安全科学学报. 2007(04)
[7]驾驶员疲劳检测技术的研究现状及发展趋势[J]. 李志春,何仁,林谋有,李佩林. 农机化研究. 2006(05)
[8]计算机视觉中摄像机定标综述[J]. 邱茂林,马颂德,李毅. 自动化学报. 2000(01)
博士论文
[1]基于心电信号的驾驶疲劳检测方法研究[D]. 吴群.浙江大学 2008
硕士论文
[1]基于树莓派的无线视频监控系统关键技术研究[D]. 李源.郑州大学 2016
[2]融合眼部特征及头部姿态的实时疲劳驾驶检测技术研究[D]. 马召宾.山东大学 2016
本文编号：3014546
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3014546.html
