原文传递
基于人脸视频智能分析的日间驾驶员不安全行为检测分类与预警系统
| 论文题名： | 基于人脸视频智能分析的日间驾驶员不安全行为检测分类与预警系统 |
| 关键词： | 疲劳检测;分心检测;多任务卷积神经网络;约束局部神经域;头部姿态估计;注视方向估计;预警机制 |
| 摘要： | 随着人们生活水平的提高，社会生产技术的不断革新，汽车已经进入寻常百姓家并成为家庭出行的重要交通工具，但是与此同时，交通事故的发生频率逐年攀升，每年都会有很多人在交通事故中丧命。疲劳驾驶与分心驾驶这两种不安全驾驶行为是导致交通事故发生的重要原因，这也使其获得各个国家重视，成为交通安全问题研究领域急需解决的重要难题。 本文调研了国内外疲劳检测与分心检测的方法，并进行比较分析、综合利弊，利用OpenFace2.0面部行为分析工具，研发了一种非接触式、实时有效的驾驶员不安全行为检测预警系统。该系统首先利用基于多任务卷积神经网络模型的人脸检测方法实现人脸检测，再使用约束局部神经域模型算法定位出驾驶员的面部特征点，其次依据相机标定与直接最小二乘法实现头部姿态估计，通过瞳孔中心和眼球中心所在直线与眼球表面的交点实现眼睛注视方向估计。根据眼睛纵横比、嘴巴纵横比、头部偏航角以及眼睛注视向下角的疲劳状态与分心状态的特征对驾驶员不安全行为实现预警。 论文中对人脸检测与特征点检测算法效果进行验证。在日间光照条件下，通过实验得出眼睛纵横比、嘴巴纵横比、头部偏航角以及眼睛注视向下角的合理阈值，依据疲劳与分心状态的时间要素对预警效果进行了测试实验。检测预警系统在Visual Studio2015开发平台上完成检测预警功能的实现，并在Qt Designer中完成系统的图形界面设计。最后为了检验系统在实际环境中的应用效果，在小型轿车中进行测试实验，验证预警效果。结果表明所设计的系统具有较好的准确率，能够满足实时检测预警的要求。 |
| 作者： | 刘佰强 |
| 专业： | 集成电路工程 |
| 导师： | 孙强;李彬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安理工大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
