原文传递
基于面部行为分析的驾驶员疲劳检测方法研究
| 论文题名： | 基于面部行为分析的驾驶员疲劳检测方法研究 |
| 关键词： | 驾驶员;疲劳检测;面部图像;状态识别 |
| 摘要： | 近年来交通事故频发，给国家和个人带来了严重的财产损失。研究表明，疲劳驾驶是目前引发交通事故的主要原因之一，已经引起许多国家和政府的重视，因此准确快速的驾驶员疲劳检测的研究具有重要的意义。基于机器视觉的检测方法以其非接触性、实时性等优点，成为驾驶员疲劳检测的一个重要方法。 眼睛和嘴部等状态的检测是疲劳检测方法中的重要步骤，但是墨镜遮挡及光照变化会对其产生影响。针对以上问题，本文使用红外采集设备对驾驶员面部图像进行采集，提出一种基于面部行为分析的驾驶员疲劳检测方法，其中主要研究内容包含人脸检测及跟踪、眼睛和嘴部区域检测、面部状态识别及疲劳检测等。 首先，通过基于AdaBoost的检测检测算法进行驾驶员面部检测，为了提高检测速度及准确率，本文结合基于KCF(Kernelized Correlation Filter)的跟踪算法，对检测到的人脸区域进行快速跟踪;其次，通过级联回归的方法定位面部关键点，根据关键点位置提取眼睛和嘴部区域;最后，采用CNN(Convolution Neural Network)网络模型对提取出的眼睛和嘴部区域进行状态识别，得到眼睛和嘴部状态后，计算PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)、眨眼频率及打哈欠参数等，通过结合多个疲劳参数对驾驶员的疲劳状态进行检测。 实验结果表明，该方法在佩戴墨镜情况下能够更准确的检测眼睛和嘴部状态，进而得到更准确的疲劳参数。与仅采用PERCLOS参数的方法相比，通过结合多个疲劳参数能够得到更为准确的结果。 |
| 作者： | 苏静静 |
| 专业： | 电子科学与技术 |
| 导师： | 张芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津工业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
