学位论文 > 优秀研究生学位论文题录展示
基于视觉的驾驶员疲劳状态检测方法研究
作 者: 倪小鹏
导 师: 林砺宗
学 校: 华东理工大学
专 业: 机械电子工程
关键词: 驾驶疲劳检测 人脸检测 人眼检测与定位 眼睛状态检测 PERCLOS
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 175次
引 用: 2次
阅 读: 论文下载
内容摘要
为了减少交通事故与保证人员生命财产的安全,有效检测与防止驾驶员的过度疲劳驾驶有着十分重要的研究意义。本文采用基于机器视觉的PERCLOS(单位时间内眼睛闭合时间所占的百分率)参数特征计算方法,根据PERCLOS值大小来判断驾驶员眼睛是否处于疲劳状态。整体工作流程方案是人脸检测与跟踪、人眼检测与定位、人眼跟踪、眼睛状态识别、司机疲劳状态检测。研究系统采用PC机、USB摄像机、近红外LED灯等作为系统硬件。先在摄像机采集的视频流中,捕捉人脸信息,利用基于Haar-Like特征和Cascade级联分类器的Adaboost算法,实现了人脸检测。在人脸定位的基础上,图像检索范围就集中在一个指定矩形区域,再利用分类器与二值化、边缘检测、膨胀边缘区域、连通性分析,检测定位出双眼位置,分别用矩形框出来并记录相应中心的横坐标与纵坐标。在人眼定位的基础上,利用霍夫圆变换方法来检测虹膜区域,根据虹膜的有无,来判断眼睛的睁开与闭合情况。最后计算出司机在开车过程中实际的PERCLOS特征值,简化方法为:在给定时间段内,计算出连续帧数中眼睛开闭帧数与总帧数的比值。如果眼睛闭合帧数占总帧数之比超过设定阈值,系统就会报警,提醒司机调整状态。经过多次实验表明,研究方法具备实际可操作性、检测算法简单、计算速度快、系统检测识别率高,符合车载疲劳检测系统高检测的实时要求。
|
全文目录
摘要 5-6 Abstract 6-9 第1章 绪论 9-17 1.1 课题研究依据与背景 9-10 1.2 研究目的 10 1.3 驾驶疲劳检测研究的现状 10-16 1.3.1 驾驶疲劳的定义 10-11 1.3.2 驾驶疲劳的检测方法概述 11-12 1.3.3 国外研究现状 12-13 1.3.4 国内研究现状 13-16 1.4 本文研究的主要内容 16-17 第2章 疲劳预警系统方案和摄像机定标技术 17-28 2.1 系统方案确定 17-22 2.1.1 图像获取 19-20 2.1.2 图像预处理 20-22 2.2 摄像机定标技术 22-27 2.2.1 摄像机透视投影模型 23-25 2.2.2 基于OPENCV的摄像机定标技术 25-27 2.3 本章小结 27-28 第3章 人脸的检测 28-44 3.1 常用人脸检测方法概述 28-33 3.1.1 基于模板匹配的方法 29-32 3.1.2 基于肤色模型的人脸检测方法 32-33 3.2 Adaboost算法 33-36 3.2.1 Adaboost算法简介 33-34 3.2.2 Adaboost算法基本原理 34-35 3.2.3 分类器的级联结构 35-36 3.3 Haar-like特征 36-38 3.4 人脸检测 38-43 3.5 本章小结 43-44 第4章 人眼的检测与定位 44-57 4.1 人眼检测方法简述 44-46 4.2 基于统计学习方法的人眼检测与定位 46-52 4.2.1 Adaboost算法与Haar-like级联分类器简单回顾 46-47 4.2.2 人眼检测过程与结果 47-49 4.2.3 人眼定位研究 49-52 4.3 基于Hough圆的人眼检测定位方法 52-56 4.3.1 Hough圆变换的原理 52-54 4.3.2 Hough圆变换检测标定人眼 54-56 4.4 本章小结 56-57 第5章 人眼的跟踪 57-66 5.1 运动目标跟踪方法概述 57-61 5.1.1 基于帧差法的人脸检测跟踪 57-59 5.1.2 卡尔曼滤波预测跟踪运动目标的算法原理 59-60 5.1.3 Camshift算法原理 60-61 5.2 人眼跟踪研究 61-65 5.2.1 基于Camshift和Kalman预测组合的人脸跟踪 61-63 5.2.2 人眼的跟踪 63-65 5.3 本章小结 65-66 第6章 司机疲劳状态检测 66-77 6.1 人眼状态识别方法叙述 66-71 6.1.1 基于Hough变换的人眼虹膜/瞳孔识别 66-69 6.1.2 基于Adaboost级联分类器训练模板的人眼状态识别 69-71 6.2 PERCLOS原理 71-73 6.2.1 PERCLOS思想简介 71 6.2.2 PERCLOS检测原理 71-73 6.3 司机疲劳检测系统 73-76 6.4 本章小结 76-77 第7章 结论与展望 77-80 7.1 主要研究结论 77-78 7.2 未来工作建议与展望 78-80 参考文献 80-85 攻读硕士学位期间发表与已录用的论文 85-86 致谢 86
|
相似论文
- 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
- 人脸检测及其DSP实现,TP391.41
- 嵌入式人脸检测与跟踪系统的设计与实现,TP274
- 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
- 红外条件下驾驶员疲劳检测研究,TP391.41
- 基于OpenCV的人脸检测方法研究,TP391.41
- 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
- 基于汽车驾驶员的疲劳驾驶检测系统的研究,TP274
- 基于计算机视觉的机车乘务员驾驶疲劳监测研究,TP274
- 基于核心灰度分布人脸自动检测方法研究,TP391.41
- 基于眼部识别的驾驶员瞌睡实时监测方法研究,TP274
- 疲劳驾驶检测系统的研究与实现,TP391.41
- 基于眼部和嘴部特征融合的驾驶员疲劳检测方法研究,TP391.41
- 基于机器视觉的驾驶员疲劳检测研究,TP391.41
- 配戴近视镜驾驶者的驾驶疲劳检测,TP274.4
- 基于视觉的汽车驾驶员疲劳状况检测装置的研究,TP274.4
- 基于人脸识别的驾驶员疲劳检测算法研究,TP391.41
- 基于WiFi无线网络的智能识别机器人研究与实现,TP242.6
- 基于视频流的正面人脸检索系统的研究与实现,TP391.41
- 一种并行Adaboost算法的硬件实现与性能分析,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|