原文传递
基于深度学习的驾驶员异常行为检测系统的研究与实现
| 论文题名： | 基于深度学习的驾驶员异常行为检测系统的研究与实现 |
| 关键词： | 深度学习;驾驶员;异常行为;人脸检测 |
| 摘要： | 近年来，随着我国汽车电子行业的飞速发展，我国机动车的总量在明显地增加。但是，随着机动车辆的普及，人们的生活水准在便利的同时，也会出现交通事故。因此实时识别驾驶员的行为并对危险驾驶行为进行报警有着很重要的意义。所以本文结合实际，从改善驾驶员行为识别算法的准确性与实时性入手，主要研究人脸检测和人脸特征点定位这两方面，改进和优化驾驶员异常行为检测算法，并提出了驾驶员异常行为检测方法。 首先，对多任务级联的MTCNN网络做模型训练，分析其实验结果，然后分别对MTCNN的三个子网络P-Net、R-Net和O-Net的网络结构和参数做改进和优化。经过实验表明，MTCNN网络在优化后其检测的准确率从96.2％提升至97.7%，网络的准确率提高了1.5%。在检测获得人脸框之后，本文选择使用ERT级联算法，最终实现人脸的68个关键点精定位。 然后，提出了一种基于TLD和SAMF相融合的人脸追踪方法。把TLD算法的追踪部分替换成适合TLD的追踪检测和SAMF算法，而且把HOG特征融合到TLD的检测部分之中。使用MTCNN网络+TLD+SAMF融合的人脸追踪算法做仿真实验，根据实验结果，提出的算法有很好的检测效果。 接着，分析提取驾驶员的眼睛、嘴部以及头部特征。在提取眼部特征时，采用EAR眼睛纵横比算法，提出利用双眼求平均值的方法计算EAR值；对于嘴巴的特征提取，使用MAR算法，提出了基于嘴巴内轮廓的方法计算MAR的值；针对提取头部姿态特征，使用三维空间的俯仰角Pitch来判断其头部姿态，并建立了分心驾驶行为的估计模型；对接打电话的行为识别，对耳部区域定位，采用了YCbCr的肤色分割方法和连续时间监测的方式完成了白天情况下的检测，提出了最大轮廓查找的方法完成了对夜间情况下的检测。 最后，使用OpenCV和MFC技术设计了驾驶员异常行为检测系统。分别通过实验验证各个检测模块，对该系统的检测性能做出合理评估，经过实验证明，设计的驾驶员异常行为检测系统不仅检测准确性高，而且具有很好的实时性。其检测的准确性均在90%以上，其实时性可以达到每秒钟可以检测10次以上。 |
| 作者： | 方泊淋 |
| 专业： | 电子信息 |
| 导师： | 李双全 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
