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

  1. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  2. 人脸检测及其DSP实现,TP391.41
  3. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  4. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  5. 红外条件下驾驶员疲劳检测研究,TP391.41
  6. 基于OpenCV的人脸检测方法研究,TP391.41
  7. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  8. 基于汽车驾驶员的疲劳驾驶检测系统的研究,TP274
  9. 基于计算机视觉的机车乘务员驾驶疲劳监测研究,TP274
  10. 基于核心灰度分布人脸自动检测方法研究,TP391.41
  11. 基于眼部识别的驾驶员瞌睡实时监测方法研究,TP274
  12. 疲劳驾驶检测系统的研究与实现,TP391.41
  13. 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
  14. 基于机器视觉的驾驶员疲劳检测研究,TP391.41
  15. 配戴近视镜驾驶者的驾驶疲劳检测,TP274.4
  16. 基于视觉的汽车驾驶员疲劳状况检测装置的研究,TP274.4
  17. 基于人脸识别的驾驶员疲劳检测算法研究,TP391.41
  18. 基于WiFi无线网络的智能识别机器人研究与实现,TP242.6
  19. 基于视频流的正面人脸检索系统的研究与实现,TP391.41
  20. 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