学位论文 > 优秀研究生学位论文题录展示

基于视觉信息的司机疲劳驾驶报警算法研究

作　者: 魏红江
导　师: 任广辉
学　校: 哈尔滨工业大学
专　业: 信息与通信工程
关键词: 人脸检测眼睛检测眼睛特征提取疲劳状态判断
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 94次
引　用: 0次
阅　读: 论文下载

内容摘要

司机驾驶疲劳占交通事故的大部分。只有通过预防,利用先进和有效的科学手段来检测和限制司机长时间驾驶等一系列不当驾驶行为,积极主动去除引发事故的潜在根源,才能彻底的、最大限度地降低生命和财产的损失。本文详细介绍了疲劳监测算法的研究目的,分析和比较了国内和国外的检测方法。采用视觉信息这种非接触式的方式来实时检测司机状态是一种非常好的选择。眼睛状态特征是视觉方法检测司机状态中直接和有效的反应特征。本文对人脸检测、眼睛定位检测、特征提取、眼睛的状态识别进行了如下工作:从基于AdaBoost的人脸检测算法出发,为了提高人脸的检测概率,进行了后续的优化处理,然后进行眼睛定位,对检测出的人脸图像形态学处理,可以得到人脸定位的结果。首先,对传统的AdaBoost算法分析和研究,理解它的训练过程和检测过程。与此同时,对人的皮肤像素在YCrCb空间中的分布情况进行了统计。因为AdaBoost算法人脸部定位结果虚警概率相对非常高,因此在后续的处理中进行了肤色聚类算法,来提高整体的性能。最后,采用了步长可变的模板匹配算法定位人眼,确定一只眼睛的位置。本文的方法可以定位一定角度的眼睛,检测概率比较高。此外,结果说明了这种算法在某种情况下能适应不同的光照以及表情变化。大量的实验结果证明了系统算法的实时性和准确性。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-13
  1.1 课题背景及目的和意义  8-9
  1.2 国内外研究现状  9-11
    1.2.1 国外研究现状  9-10
    1.2.2 国内现状  10-11
  1.3 本文主要研究内容  11-13
    1.3.1 论文的总体的思路  11-12
    1.3.2 主要研究内容  12-13
第2章 ADABOOST 算法研究及分析  13-28
  2.1 引言  13
  2.2 ADABOOST 算法概述  13-15
  2.3 类HAAR 形状特征  15-19
    2.3.1 类 Haar 形状特征的定义  15-17
    2.3.2 类 Haar 特征数目和计算  17-19
  2.4 训练分类器  19-23
    2.4.1 弱分类器介绍  19-20
    2.4.2 强分类器的训练  20-23
  2.5 基于级联分类器进行人脸检测  23-25
    2.5.1 人脸检测方法  23
    2.5.2 人脸检测具体流程  23-25
    2.5.3 级联分类器的检测率和误检率  25
  2.6 ADABOOST 人脸检测结果  25-27
  2.7 本章小结  27-28
第3章基于肤色的人脸检测过滤  28-36
  3.1 颜色空间简介  28
  3.2 基于肤色的人脸检测  28-34
    3.2.1 色彩空间和肤色的聚类特性  28-32
    3.2.2 肤色模型的选择  32-34
  3.3 形态学处理  34-35
  3.4 实验结果与分析  35-36
第4章人眼定位  36-50
  4.1 眼睛定位方法概述  36-48
    4.1.1 模板匹配法  36-38
    4.1.2 PCA 方法  38-40
    4.1.3 混合积分投影法  40-42
    4.1.4 基于块的方法  42-45
    4.1.5 可变步长的模板匹配法  45-48
  4.2 实验结果与分析  48-50
第5章司机疲劳驾驶报警系统的设计  50-55
  5.1 开发平台  50
  5.2 系统简介  50-52
  5.3 基于PERCLOS 与眨眼频率的驾驶员疲劳分析  52-53
  5.4 结果分析  53-54
  5.5 本章小结  54-55
结论  55-56
参考文献  56-61
致谢  61

基于视觉信息的司机疲劳驾驶报警算法研究

内容摘要

全文目录

相似论文