原文传递
基于信息融合的疲劳驾驶检测算法的研究
| 论文题名： | 基于信息融合的疲劳驾驶检测算法的研究 |
| 关键词： | 信息融合;疲劳驾驶;Camshift算法;视频图像;Haar-like特征 |
| 摘要： | 疲劳驾驶是导致交通事故的一个很重要的因素，因疲劳驾驶导致的交通事故每年都会造成巨大的财产损失和人员伤亡，所以对疲劳驾驶检测进行研究具有重要的社会意义。 本文在研究前人成果的基础上，提出采集基于驾驶人面部表情的多种视觉信息，进行疲劳检测。首先检测视频图像中的人脸，并进行跟踪定位，然后提取基于面部表情的眼睛闭合时间、打呵欠以及点头等疲劳信息，最后用投票表决的方法综合多种基于视觉的疲劳信息判定驾驶人的疲劳情况。本文主要的研究内容如下：基于Haar-like特征的级联分类器的人脸检测算法的研究；Camshift算法的研究与改进，改进后省去了人工的干预，可自动进行人脸的检测和跟踪；打哈欠、眼睛闭合时间、点头等多种疲劳特征信息的提取；提取眼部疲劳信息时，提出了一种基于瞳孔检测的眼部开合状态检测算法。在提取嘴部的疲劳信息时，提出综合运用基于Haar-like特征的方法和灰度投影的方法定位嘴巴的位置。 该研究首先用基于Haar-like特征的方法去检测人脸，并进行跟踪。实验结果显示，用Camshift算法进行跟踪后显著提高了在后续视频序列中定位人脸的速度。该研究提出了一种瞳孔检测算法进行眼部开合状态的检测，实验结果显示该算法可以准确的判定人眼的开合状态，在实验室环境下进行检测时识别率达到96％。在提取嘴巴疲劳信息时，综合运用基于Haar-like特征的检测方法和灰度投影的方法去定位嘴部区域。实验结果显示，用该方法得到的信息去判定嘴部状态时，识别率达到93%。最后用投票表决法综合多种疲劳信息进行疲劳判定，实验结果显示，基于多视觉信息融合的疲劳检测比用单个视觉信息进行检测准确性高，稳定性好。 |
| 作者： | 刘运涛 |
| 专业： | 计算机技术 |
| 导师： | 于明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北工业大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
