發(fā)布時(shí)間：2024-07-10 22:20

　　疲勞駕駛是導(dǎo)致特別重大的交通事故的三大原因之一。在特別重大的交通事故中,疲勞駕駛引起的事故比例超過(guò)40%。因此,如何有效的檢測(cè)駕駛員疲勞狀態(tài)成為了研究者們關(guān)注的重點(diǎn)以及熱點(diǎn)。歷年來(lái),研究者們?cè)噲D從不同的信息源識(shí)別疲勞駕駛,如駕駛員的生理狀態(tài)、面部特征、車輛行為等。并且依據(jù)疲勞特征的來(lái)源,將疲勞識(shí)別技術(shù)分為基于單一信息的疲勞識(shí)別技術(shù)和基于多信息融合的疲勞識(shí)別技術(shù)。其中,基于單一信息的疲勞識(shí)別技術(shù),容易受環(huán)境因素、信息丟失等情況影響,而產(chǎn)生識(shí)別失敗或者誤判的結(jié)果。因此,為了提高疲勞駕駛識(shí)別的有效性和魯棒性,本文采用多信息融合方式進(jìn)行疲勞識(shí)別。本文的主要工作如下:(1)提出了一種基于面部特征融合的駕駛員疲勞識(shí)別算法。該算法包含前期處理模塊、特征級(jí)模塊、決策級(jí)模塊。其中,前期處理模塊用于檢測(cè)面部、眼部及唇部;特征級(jí)模塊主要利用特征提取算法識(shí)別各證據(jù)源的疲勞狀態(tài);決策級(jí)模塊則將特征級(jí)中多證據(jù)源的疲勞識(shí)別結(jié)果及上一時(shí)刻的判別結(jié)果融合,進(jìn)行本時(shí)刻疲勞狀態(tài)的綜合判決。(2)提出了兩種基于特征提取的疲勞識(shí)別算法:基于圖像金字塔局部二進(jìn)制模式的疲勞識(shí)別算法(Pyramid Local Binary Pat...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1基于面部特征融合的駕駛員疲勞識(shí)別模型

圖2-1基于面部特征融合的駕駛員疲勞識(shí)別模型本文所提的系統(tǒng)由：前期處理模塊、特征級(jí)模塊、決策級(jí)融合模塊組成。前期的是：利用當(dāng)前已知且有效的人臉檢測(cè)與定位追蹤算法進(jìn)行面部、眼部、唇部識(shí)相應(yīng)區(qū)域切割作為特征級(jí)的輸入。本文中前期處理模塊將使用Adaboost算法進(jìn)檢測(cè)，使用K....

圖2-2Adaboost算法人臉檢測(cè)框架圖

人臉檢測(cè)在人機(jī)交互和基于計(jì)算機(jī)視覺(jué)的應(yīng)用中發(fā)揮著重要的作用。人臉作為一種人類身份信息，具有唯一性和不可復(fù)制性。然而，由于光照、表情、背景等諸多不確定因素的影響，人臉識(shí)別在現(xiàn)實(shí)應(yīng)用中仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題。PaulViola和MichaelJones在2001年基....

圖2-3矩形特征

(a)(b)(c)(d)(e)圖2-3矩形特征圖2-4矩形特征在人臉上的匹配[62]圖2-3中的垂直矩形特征能很好地描述正面面部，但當(dāng)面部?jī)A斜或旋描繪的效果往往不盡如人意。為此，Rainer等人提出了擴(kuò)展矩形特征入了帶有45旋轉(zhuǎn)角的矩形特征。擴(kuò)展矩形特征如....

圖2-4矩形特征在人臉上的匹配[62]

第二章疲勞識(shí)別模型及前期處理3所示，最早是由Papageorgiou提出的，-4所示，相對(duì)于臉頰來(lái)說(shuō)，眼睛的顏色更些，因此可以選取如下兩種矩形特征描(b)(c)(d)圖2-3矩形特征

本文編號(hào)：4004822