原文传递
基于视频监控的职业驾驶员行为分析及预警研究
| 论文题名： | 基于视频监控的职业驾驶员行为分析及预警研究 |
| 关键词： | 职业驾驶员;驾驶行为;风险预警;视频监控 |
| 摘要： | 随着公共交通工具数量的快速增长，职业驾驶员在行车安全方面面临着严峻的挑战。数据表明，职业驾驶员不良驾驶行为（疲劳、抽烟、打电话等）是导致重大交通事故发生的主要原因之一。如何有效检测不良驾驶行为，避免交通事故的发生成为当前亟待解决的重大问题。传统基于驾驶员生理信号监测属于侵入式监测方法，会对驾驶员驾驶造成干扰。因此，本文从计算机视觉领域出发，通过车载相机获取驾驶员数据，利用机器视觉算法实时监测分析职业驾驶员驾驶行为。 本文研究基于视频监控的驾驶员行为分析方法，在驾驶员人脸检测基础上，首先提出基于监督下降方法(SDM，Supervised Descent Method)的驾驶员面部关键点检测算法，定位驾驶员眼部和嘴部区域。其次提出基于支持向量机(SVM，Support Vector Machine)的驾驶员行为分类算法进行驾驶员驾驶状态判断。本文主要研究工作和创新点有 1.采用Adaboost级联分类器算法进行驾驶员人脸检测和打电话检测研究，利用大量标注的驾驶员人脸样本和开源人脸数据库，训练驾驶员专属人脸检测器，解决实际驾驶的环境因素和人为因素对驾驶员人脸检测造成的干扰。 2.提出SDM的人脸关键点检测算法进行驾驶员面部关键点定位，解决驾驶员眼睛区域和嘴部区域的定位难题。同时提出驾驶员面部关键点跟踪算法，加速人脸关键点定位。提出了基于支持向量回归(SVR，Support Vector Regression)的人脸关键点有效性衡量方法，实现面部关键点有效性衡量。 3.提出SVM的驾驶员行为分类方法，提取眼部区域和嘴部区域的特征，根据对应SVM驾驶员行为分类器，获得驾驶员眼睛状态、打哈欠状态和抽烟状态。结合PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)疲劳衡量方法，实时监测驾驶员异常驾驶行为。 本文在HELEN数据库和AFLW数据库上完成了人脸关键点检测和跟踪实验，通过对比6种关键点检测算法，验证了基于SDM人脸关键点算法的有效性。此外，本文分别进行了眼睛分类、打哈欠分类、抽烟分类，以及驾驶员整体行为实验，均达到项目的指标，验证了本文所提出方法的有效性。 |
| 作者： | 宋明龙 |
| 专业： | 电子与通信工程 |
| 导师： | 陈雁翔;陶刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
