原文传递
基于面部特征的疲劳检测系统的设计与实现
| 论文题名： | 基于面部特征的疲劳检测系统的设计与实现 |
| 关键词： | 交通管理;疲劳驾驶检测系统;软件开发;功能模块 |
| 摘要： | 汽车作为日常生活中越发受欢迎的交通工具，方便了我们的生产生活。随着汽车的增加，由此引发的交通事故也逐渐增加，而疲劳驾驶诱发的占事故总和的20%以上。据不完全统计，每个司机都经历过疲劳驾驶。在今年新冠疫情的特殊期间，国家更提倡自驾出行以避免交叉感染，所以警惕疲劳驾驶，注意行车安全尤为重要。 本文设计了一套疲劳驾驶检测系统，搭载ARM核心板、红外摄像头及高分贝扬声器等硬件设备，能有效地、实时地检测驾驶员是否疲劳，并进行报警。本系统将摄像头采集到的多个面部特征进行融合，得到判别结果，并将其应用到实际。具体研究内容如下： （1）疲劳驾驶检测系统的设计。根据需求分析，制定出疲劳驾驶检测系统的设计方案和具体技术路线，将系统分为视频采集、面部检测及定位、特征提取、建模识别及声音报警五个模块。 （2）人脸检测及定位。采用能适应各种环境的MTCNN人脸检测算法，由P-Net、R-Net和O-Net三层子网络级联而成，同步完成边框回归和面部关键点粗定位。使用级联回归的ERT算法实现面部68个特征点定位。 （3）面部疲劳表情识别。提出了一种CNN+LSTM动态疲劳表情识别模型。本模型采用CNN来提取单帧面部图像的空间特征，然后输入到LSTM循环神经网络提取每一帧图像的时序特征，最后由softmax分类输出结果。 （4）面部特征提取。提取了面部疲劳时比较明显的6个特征：面部疲劳表情频率FFE、最大疲劳表情持续时间MDFE、PERCLOS、眨眼频率BF、哈欠频率YF、点头频率NF。比较了PERCLOS、BF、YF、NF四个特征在疲劳与非疲劳状态下的差异。 （5）疲劳建模识别。设计了两种模型，每一种模型都先通过SVM训练求出各个特征的基本概率分配，然后按照D-S证据组合规则进行融合得到结果。分析并比较了两种模型得不同结果的原因。 （6）系统测试。经过测试，本系统对于驾驶室内光线的亮暗、驾驶员头部偏转、面部遮挡等，都能正常工作。对疲劳驾驶的检测具有较高的识别准确率和实时性。有助于减少交通事故的发生。 |
| 作者： | 赵俐 |
| 专业： | 计算机技术 |
| 导师： | 李念强;韩春艳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 济南大学 |
| 学位年度： | 2020 |
| 正文语种： | 中文 |
检索历史
应用推荐
