基于人脸定位技术的疲劳驾驶检测方法

论文摘要

随着车辆的不断增加,交通问题越来越受到关注。其中,因为疲劳驾驶产生的交通事故成为了一个重大社会问题。因此,寻求一种车载、实时、客观的疲劳驾驶检测技术,对于减少因为疲劳驾驶产生的交通事故,保障人民生命财产安全,加强客运安全管理等方面有重大意义。在本文中,首先概述了各种疲劳驾驶检测方法,确立了使用PERCLOS（percentage of eyelid closure over the pupil over time,人眼闭合的百分比）方法作为研究的方向。这是因为PERCLOS方法具有设备简单、成本较低、舒适可靠的特点。并且重点研究如何通过人脸图像技术实现PERCLOS的办法。本文的主要工作如下:1.详细阐述了Viola经典人脸定位的方法,该方法包括了:haar-like特征,光平衡的预处理,级联AdaBoost分类器,多尺度问题等一个完整的解决人脸检测定位的系统方案。2.详细阐述了如何将Viola人脸定位方法运用于疲劳驾驶检测的各个环节中:包括人眼定位,人眼状态识别以及PERCLOS计算。3.应用OpenCV实现了疲劳驾驶检测的演示程序。包括应用OpenCV实现视频图像的读取,各个分类器的训练,以及目标检测等。4.除了使用haar-like特征外,还对使用LBP特征进行了一些实验探索,研究了一种LBP特征缩放的方法,和一种快速高效的人眼定位与状态识别的方法。5.对本文PERCLOS方法做出总结并对进一步的研究工作做出了一些展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 疲劳驾驶检测技术的发展概况及现状
• 1.2.1 国内外疲劳驾驶检测技术的种类和发展趋势
• 1.2.2 基于PERCLOS 方法的疲劳驾驶检测技术概述
• 1.3 研究的主要内容及采用的方法
• 第二章 经典人脸图像技术在疲劳驾驶检测中的应用
• 2.1 人脸定位技术的概述
• 2.2 Viola 经典人脸定位算法的介绍
• 2.2.1 模式识别与人脸定位
• 2.2.2 haar-like 特征
• 2.2.3 光照均衡的预处理
• 2.2.4 AdaBoost 分类器
• 2.2.5 多尺度问题
• 2.3 CAS-PEAL-R1 人脸库
• 2.4 利用Viola 方法进行人眼定位
• 2.4.1 人脸定位与人眼定位的差异
• 2.4.2 人眼定位的技巧
• 2.5 利用Viola 方法进行人眼状态识别
• 2.6 使用PERCLOS 方法进行疲劳检测
• 2.7 本章小结
• 第三章 运用OpenCV 进行疲劳驾驶检测程序设计
• 3.1 OpenCV 介绍
• 3.2 运用OpenCV 应用程序进行目标检测
• 3.3 目标检测相关的函数
• 3.4 疲劳驾驶检测演示平台
• 3.4.1 疲劳驾驶检测演示系统组成
• 3.4.2 疲劳驾驶检测演示软件
• 3.5 本章小结
• 第四章 运用LBP 特征理论进行疲劳驾驶检测的探索
• 4.1 LBP 特征方法介绍
• 4.1.1 原始LBP
• 4.1.2 LBP 扩展
• 4.1.3 非参数分类理论
• 4.1.4 旋转不变LBP
• 4.1.5 对比度和纹理模式
• 4.1.6 多分辨率LBP
• 4.2 运用LBP 特征缩放实现人脸定位
• 4.2.1 LBP 理论扩展
• 4.2.1.1 LBP 参数实数化
• 4.2.1.2 二进制环状子窗口
• 4.2.1.3 边缘区域
• 4.2.1.4 LBP 特征的缩放
• 4.2.2 LBP 特征的运用
• 4.2.2.1 LBP 特征的获得
• 4.2.2.2 训练
• 4.2.2.3 人脸定位检测
• 4.2.3 实验
• 4.2.4 结论
• 4.3 LBP+SVM 模式实现人眼定位与状态识别
• 4.3.2 候选点的选取
• 4.3.3 SVM 验证
• 4.3.4 候选点的选取
• 4.3.5 结论
• 4.4 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间的研究成果