原文传递
基于机器视觉与学习的驾驶员疲劳检测研究
| 论文题名： | 基于机器视觉与学习的驾驶员疲劳检测研究 |
| 关键词： | 疲劳驾驶识别;肤色高斯模型;人脸检测;机器视觉;逻辑回归 |
| 摘要： | 现阶段，疲劳驾驶是造成交通事故发生的罪魁祸首，因而对驾驶员进行疲劳检测这方面的工作得到了越来越多学者的关注。而基于机器视觉的疲劳检测方法具有实时性好、非接触性和疲劳程度评估精确的优点，成为疲劳检测的一个新方法。 在已有的基于机器视觉的疲劳检测方法的基础上，提出了一套改进的疲劳检测方法。其中主要算法有：脸部定位、眼部定位与跟踪以及眼部特征计算、嘴部定位与跟踪以及嘴部特征计算、基于逻辑回归模型的疲劳状态识别。主要内容如下： 1、人脸定位。通过摄像头采集驾驶员头部的图像，采用同态滤波的方法对图像进行预处理，在分析比较常用的人脸检测技术优缺点的基础上，提出了改进的基于肤色高斯模型的人脸检测方法和基于Haar-like特征的人脸检测方法，实验结果表明改进的基于肤色高斯模型的人脸检测方法性能更好一些。 2、眼部定位与跟踪以及眼部特征计算。在前一章节人脸定位的基础上，通过分析比较常用的人眼定位方法的优缺点，提出了基于眼部强化图的人眼定位方法，再采用基于位置偏移的人眼跟踪方法进行眼部跟踪，最后提出了计算一段时间内眼部闭合所占百分比、眨眼频数和平均眨眼持续时间特征的方法。 3、嘴部定位与跟踪以及嘴部特征计算。在人脸定位的基础上，提出了基于嘴部强化图的人嘴定位方法和基于嘴部状态分类的内唇开度估计方法来进行嘴部状态的识别，最后提出了计算嘴部闭合时间所占百分比、嘴部张合频数特征的方法。 4、基于逻辑回归模型的驾驶员疲劳驾驶识别方法。通过对前面提取的与疲劳相关的眼部闭合所占百分比、眨眼频数、平均眨眼持续时间特征和嘴部闭合所占百分比、嘴部张合频数五个特征的不疲劳、轻度疲劳、酣睡样本进行监督学习，建立一个两类(不疲劳、疲劳)的分类器，它能够判断驾驶员是否处于疲劳状态，再建立一个两类(酣睡、轻度疲劳)分类器，它能够对已疲劳的驾驶员的疲劳程度进行判断。这种驾驶员疲劳驾驶识别算法比传统的基于视觉的方法识别精度更高，而且将疲劳状态分为三个等级也比较合理，使得系统能够根据不同的驾驶状态采取相应的措施。 |
| 作者： | 黄秀清 |
| 专业： | 计算机应用技术 |
| 导师： | 黄巍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉工程大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
