原文传递
疲劳驾驶状态中多视角面部区域特征信息检测与分析
| 论文题名： | 疲劳驾驶状态中多视角面部区域特征信息检测与分析 |
| 关键词： | 人脸检测;Adaboost技术;肤色分割;数据融合;角度提取;疲劳驾驶 |
| 摘要： | 随着汽车产业和公路交通事业的发展，越来越多的人开始驾驶汽车。汽车数量的增多，使得交通事故不断发生，其中很多情况是由于司机的疲劳所引起的。因而通过视觉检测的方式对司机的疲劳状况进行检测已成为该领域的重要研究内容。不同于接触式的医疗检测方法，如通过观察生理参数，利用心电图仪、脑电图仪等医疗器械检测，虽然这样测量准确率很高，但这种方法过程复杂，测量起来耗时耗力，而且不方便操作。图像处理技术的提高使得司机的人脸图像特征比如眼睛、嘴巴等的提取更加实时性，通过用人脸识别技术对提取的相关特征进行分析判断驾驶员是不是疲劳状态。利用图像处理的对人脸的视觉处理是计算机视觉要处理的重要内容之一，所以人脸的实时检测与准确分析是能否准确判断疲劳驾驶的前提和条件。 本文是针对司机的疲劳驾驶的视觉检测进行研究，主要完成了人脸区域的检测和人脸旋转角度的提取。 文中首先阐述了图像的预处理方法，将图像处理分为图像增强部分、图像分割部分和图像的特征提取部分并作出总结。根据图像采集过程中出现的光照条件不理想的情况，对采集的待处理图像进行了光线补偿。 其次是对基于Adaboost算法的人脸检测算法的原理阐述，分析了Adaboost算法的组成及其流程，其中重点包括 Haar特征的选取以及不同特征值的计算方式，还有强分类器的形成和级联分类器的组成等。再结合实际的采集图像，根据Adaboost算法进行图像的人脸检测。 再次根据不同的彩色空间，如RGB彩色空间，HSV彩色空间和YCbCr彩色空间等进行人脸肤色建模，由于肤色再 YCbCr等彩色空间中具有聚类性，能够根据其中Cb和Cr分量的分布情况提取出人脸区域。同时，阐述了人眼睛和嘴巴的提取的方法和原理。并对基于肤色的方法进行了人脸的提取和人眼和嘴巴的提取。 最后，分析基于Adaboost算法和基于肤色模型算法的人脸提取方法的不足和各自的优点，通过融合的方式将两者结合，提高了复杂状况下人脸检测的准确率。根据提取到的人脸区域，通过判断人眼和嘴巴等器官的几何分布信息，提取的得到人脸大致的旋转角度，为后续的人脸状态识别建立更多的前提条件。 |
| 作者： | 李玉杰 |
| 专业： | 电子与通信工程 |
| 导师： | 王志刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
