学位论文 > 优秀研究生学位论文题录展示

基于面部表情特征的驾驶员疲劳状态识别方法研究

作　者: 马添翼
导　师: 成波
学　校: 清华大学
专　业: 机械工程
关键词: 车辆疲劳驾驶疲劳检测表情模拟
分类号: U491.254
类　型: 硕士论文
年　份: 2012年
下　载: 19次
引　用: 0次
阅　读: 论文下载

内容摘要

驾驶员疲劳驾驶是导致重大恶性交通事故的主要诱因之一。通过机器视觉对驾驶人面部图像进行识别和分析，可以实现对其疲劳状态的有效判别。该方法为非接触式检测，具有精确度高和实时性好的优点。目前的研究存在的问题是：作为判断指标的特征形式单一，以统计指标为主，且局限于人脸局部特征，没有充分利用面部表情形态包含的疲劳信息。若能够进一步挖掘驾驶人疲劳时的面部整体表情信息，丰富疲劳判别的特征空间，模拟人对疲劳表情的智能认识过程，则可以有效提高检测精度。本文提出了一种全新的思路，对疲劳时人脸的表情形态进行描述和模拟，围绕疲劳表情特征的挖掘和提取、驾驶员疲劳状态判别等问题展开研究。具体研究内容包括：首先，定性分析了疲劳时驾驶人面部表情的特征，并研究了静态图像中疲劳表情特征的表达力。基于实际道路疲劳驾驶试验数据，分析了面部疲劳表情的产生机理和表情元素构成，讨论了疲劳状态迁移过程的基本特性；通过探索人对动态视频和静态图像的疲劳状态辨别能力的差别，研究了静态图像中面部表情特征的疲劳表达力。其次，构建了基于表情几何拓扑构形的疲劳特征体系，并分析了特征对疲劳状态判别的有效性。定义与疲劳表情相关的面部特征点，提出了基于三角网格结构的表情特征量化方法，描述了驾驶人疲劳时表情的几何结构特征；探究特征指标在各疲劳状态下的分布特性以及与直观表情形态的对应关系，并对其差异显著性进行了检验。最后，提出并建立了基于静态图像表情特征的疲劳判别算法。基于本论文提出的疲劳表情形态特征，设计多层的树状结构疲劳状态分类器，各层采用逐步判别法提取分类能力最强的指标集合，并建立有针对性的线性判别函数，最终实现了对驾驶员三类疲劳状态的分层判别。实车试验验证表明，以本文提出的表情形态特征作为判别指标，基于静态图像的疲劳判别算法检测精度为78.5%。判别指标充分体现了面部疲劳表情的形态特征，算法检测精度高于人的平均疲劳判别准确率。

全文目录

摘要  3-4
Abstract  4-8
主要符号对照表  8-9
第1章引言  9-16
  1.1 概述  9-10
  1.2 基于面部表情特征的疲劳状态检测方法研究现状  10-14
    1.2.1 基于眼部特征的驾驶人疲劳状态检测方法  11-12
    1.2.2 基于嘴和头部特征的驾驶人疲劳状态检测方法  12
    1.2.3 基于面部表情特征的驾驶人疲劳状态检测方法  12-14
    1.2.4 已有研究问题总结  14
  1.3 本文研究内容  14-16
第2章面部疲劳表情特性分析  16-27
  2.1 面部疲劳表情分析  16-21
    2.1.1 疲劳表情的产生机理  16-18
    2.1.2 疲劳表情的 FACS 分析  18-20
    2.1.3 疲劳表情特征定性分析  20-21
  2.2 疲劳状态评价标准  21-22
  2.3 实际道路疲劳驾驶实验  22-24
  2.4 疲劳状态的迁移特性  24-25
  2.5 本章小结  25-27
第3章静态表情特征的疲劳表达力研究  27-42
  3.1 面部静态图像和动态视频的评分实验  27-30
    3.1.1 评分样本的制备  27-29
    3.1.2 评分实验流程设计  29-30
  3.2 评分结果分析及对比  30-40
    3.2.1 评分实验信度分析  30-33
    3.2.2 评价结果正确率分析  33-37
    3.2.3 两类评分的相关性分析  37-38
    3.2.4 评分者间差异分析  38-40
  3.3 本章小结  40-42
第4章疲劳表情特征的数学量化与分析  42-58
  4.1 量化原理介绍  42-45
    4.1.1 面部特征点的选择  42-44
    4.1.2 面部特征的数学描述  44-45
  4.2 面部特征点的数据获取  45-48
    4.2.1 数据获取方法设计  45-47
    4.2.2 面部疲劳特征指标集  47-48
  4.3 有效性分析及指标集筛选  48-57
    4.3.1 特征的方差分析  49-51
    4.3.2 特征的多重比较检验  51-52
    4.3.3 特征分布及物理含义分析  52-57
  4.4 本章小结  57-58
第5章基于面部表情特征的疲劳状态判别  58-70
  5.1 单级疲劳表情分类器设计  58-61
    5.1.1 Fisher 线性分类器  58-60
    5.1.2 Fisher 分类器的效果验证  60-61
  5.2 单级分类指标的优化选取  61-64
    5.2.1 逐步判别法指标筛选  62-63
    5.2.2 指标筛选的效果验证  63-64
  5.3 多级树状结构分类器设计  64-68
    5.3.1 多级树状分类器  64-67
    5.3.2 疲劳检测算法效果验证  67-68
  5.4 面部表情的疲劳判别结果分析  68
  5.5 本章小结  68-70
第6章结论与展望  70-71
参考文献  71-74
致谢  74-76
个人简历、在学期间发表的学术论文与研究成果  76

基于面部表情特征的驾驶员疲劳状态识别方法研究

内容摘要

全文目录

相似论文