原文传递
基于多特征因素的疲劳驾驶检测方法的研究
| 论文题名： | 基于多特征因素的疲劳驾驶检测方法的研究 |
| 关键词： | PHOG检测算法;关键点检测;面部特征;头部姿态 |
| 摘要： | 随着人民经济水平的提高，道路上的车辆不断增加，与此同时交通事故的发生率也在逐渐增多。根据调查显示，导致交通事故的主要原因之一是疲劳驾驶，驾驶员因长时间驾车会产生疲劳状态，轻度疲劳会使驾驶员的视野变得狭窄，漏看道路信息，严重者丧失驾驶能力，威胁驾驶员的生命安全。为了提醒驾驶员正确驾驶，减少交通事故的发生，一种高效精确的疲劳驾驶预警系统对于安全出行必不可少。本文主要研究基于多特征因素的疲劳驾驶检测的方法，用摄像头实时采集驾驶员的状态信息，利用计算机视觉技术对面部特征和头部姿态进行分析，结合驾驶员眨眼、哈欠、瞌睡点头等生理特征判断驾驶员的疲劳状态。本文主要研究内容如下： （1）疲劳检测系统主要利用计算机视觉技术采集驾驶员面部及头部疲劳特征，首先通过OpenCV从摄像头或本地视频中提取视频帧，循环视频帧提取每一帧的图像，扩大图片的维度、将图片灰度化处理，结合图像特征提取算法进行人脸识别和检测，实时定位和跟踪视频中驾驶员头部的位置，将面部特征信息转化为数组信息，并检测出人脸轮廓的68个关键点坐标。 （2）根据面部68个关键点定位驾驶员面部眼、嘴坐标位置，计算面部眼睛、嘴部轮廓横纵欧式距离，设定眨眼和哈欠阈值，循环视频帧统计驾驶员眨眼和哈欠的次数，通过单位时间内眨眼或哈欠的次数来设定眼睛和嘴部的疲劳阈值，判断驾驶员是否属于眨眼和哈欠的疲劳状态。 （3）建立空间坐标系，将人脸2D的关键点坐标与3D人脸模型关键点匹配，求解人脸在世界坐标与像素坐标之间的转换关系，求出坐标变换之间的转换矩阵即旋转矩阵和平移矩阵，通过旋转矩阵计算出头部空间运动的欧拉角，根据头部运动的角度设定瞌睡点头的阈值，统计瞌睡点头的视频帧数，判断驾驶员是否处于疲劳状态。 本文通过分析面部特征和头部姿态等疲劳因素判断驾驶员的疲劳状态，最后在复杂的环境中测试实验准确率达到95％以上，验证系统的稳定性和抗干扰能力，并采集不同人脸进行疲劳测试依然能检测出疲劳状态，验证系统的有效性，综上疲劳检测系统可以准确的检测出驾驶员的疲劳状态，并且算法具有较强的鲁棒性。 |
| 作者： | 田垚 |
| 专业： | 仪器科学与技术 |
| 导师： | 李建良 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
