原文传递
基于主动形状模型的多特征融合驾驶员疲劳检测算法研究
| 论文题名： | 基于主动形状模型的多特征融合驾驶员疲劳检测算法研究 |
| 关键词： | 驾驶员;疲劳检测;多特征融合;主动形状;模糊推理 |
| 摘要： | 疲劳驾驶在汽车安全中是一个厉害的隐形杀手，让人麻痹的同时，给人类的生命财产安全带来了巨大的隐患。为了减少疲劳驾驶带来的破坏，提高对驾驶员疲劳程度检测的准确性与鲁棒性，本文提出了一种基于主动形状模型的多特征融合疲劳检测算法。该算法通过摄像机拍摄驾驶员人脸图像，利用简单类Haar特征的级联Adaboost算法进行人脸定位，根据提取到的人脸信息通过主动形状模型定位人脸的眼睛、嘴巴和头部的特征点信息，并以此获取与驾驶员疲劳相关的特征参数，通过自适应神经推理系统最终判别出驾驶员的疲劳程度。本文的研究内容主要集中在以下几个方面： （1）充分考虑算法的实时性，利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置，并进行肤色校正。通过检测到的人脸位置以及大致形状，约束主动形状模型的初始形状，提高主动形状模型的计算速度。 （2）针对在疲劳检测时，眼睛、嘴巴和头部的状态参数提取困难的问题，利用主动形状模型在人脸范围内的特征点定位，通过12个特征点，准确地求取出眼睛、嘴巴和头部的状态参数。 （3）为了提高算法的鲁棒性与准确性，使用了一种多特征融合的疲劳检测算法。在得出驾驶员眼睛、嘴巴和头部状态参数的基础上，获取了PERCLOS、AECS、哈欠频率以及点头频率等四个疲劳特征参数。 （4）利用PERCLOS、AECS、哈欠频率、点头频率这四个特征参数作为输入值，设计了基于自适应神经模糊推理系统的疲劳程度分类算法。将驾驶员的疲劳程度分为清醒、疲劳和严重疲劳三个等级。通过实验采集的数据对自适应神经模糊推理系统进行训练学习，解决了疲劳程度难以量化计算的问题。 |
| 作者： | 刘浏 |
| 专业： | 机械工程 |
| 导师： | 白中浩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
