眼睛跟踪及驾驶员疲劳检测之研究

论文题目: 眼睛跟踪及驾驶员疲劳检测之研究

论文类型: 博士论文

论文专业: 控制理论与控制工程

作者: 刘天键

导师: 朱善安

关键词: 疲劳报警,图像处理,小波分析,熵分析,分层推进算法,粒子过滤器,神经网络

文献来源: 浙江大学

发表年度: 2005

论文摘要: 本论文主要描述一个利用多层感知器网络(MLP)来判别驾驶员是否疲劳的安全报警系统(Drowsiness Warning System)。驾驶员在长途驾驶或精神不佳的状态时,会在脸部表现出很多的可视信息,例如,眨眼率减低,眼睛开度减小,频繁的点头,打哈欠,眼睛游动加快,等等。在这样的情况下,便产生了潜在的肇事危机。本文采用了一种无接触的监督方法来检测驾驶员眼球的视线方向。即:通过安装在仪表板上的摄像机,采集图像序列,利用图像的小波变换、熵分析等技巧由图像中抽取出驾驶员的脸部及眼睛位置,在此基础上统计眼球的视线方向,再由此判断疲劳程度,当疲劳时予以报警。 本系统采用了熵分析结合粒子过滤器模型的方法对眼球进行跟踪,该方法能实时准确地对眼睛进行定位。本文主要的工作是: (1) 系统的总体设计:该系统分为两个阶段:ROI的获取和疲劳检测。在系统中,人脸的检测和眼睛的跟踪是一个关键步骤。人脸检测首先在第一帧中全局搜索感兴趣目标,同时移除外部照明环境的干扰。在跟踪失败时,重新开始新一轮的目标检测。眼睛跟踪则是在前一帧的基础上,局部搜索感兴趣的目标,以确定双目的位置。 (2) 人脸检测方法:采用了一种基于熵分析Adaboost人脸检测方法。在对训练集进行训练之后,获得判定树模型。再由输入特征的似然比来检测人脸。实验表明,这种方法能对不同姿势的人脸进行有效的定位且实时响应速度快。 (3) 眼睛跟踪算法:在检测的人脸区域,采用自适应超状态粒子过滤器算法实时地跟踪眼睛。近年来,粒子过滤器(Particle Filter)或者称为条件密度传播算法在混乱场合对目标进行实时跟踪时,表现出良好的性能。传统的卡尔曼滤波器,局限于高斯概率分布。而粒子过滤器可以描述多峰的复杂概率分布。其主要思想是,采用一系列的粒子表示目标的状态,再按照“适者生存”法则进行进化,估计状态的后验分布。本文采用算法的特点是,运用自回归的系统模型来预测双目的状态,采用熵分析确定眼睛类别以确定子代的繁衍。同时,相关的技术被用来处理遮挡情况,以及对眼睛进入和离开场景做出判断。为了减低复杂程度和减少计算量,我们对视频序列进行金字塔分解,跟踪算法在粗造像级实现。

论文目录:

摘要

ABSTRACT

目录

图目录

表目录

标记

第一章 绪论

1.1 研究动机与目的

1.2 国内外相关研究

1.3 研究方法

1.4 硬件描述

1.5 软件描述

1.6 论文架构

第二章 小波变换基本理论和方法

2.1 小波变换简介

2.2 小波变换的性质

2.2.1 小波变换的Parseval恒等式

2.2.2 小波变换的反演公式

2.3 二进小波和正交小波

2.4 二维小波变换的Mallat算法

2.4.1 二维多分辨分析

2.4.2 二维小波变换算法

2.5 数字信号和图像的小波算法

2.5.1 正交多分辨分析的矩阵形式

2.5.2 金字塔算法和矩阵

2.6 小波变换

2.6.1 数字图像的二维小波算法

2.7 结论

第三章 基于熵的人脸检测方法

3.1 研究的动机

3.2 概率空间基本概念

3.2.1 概率空间和随机变量

3.2.2 随机过程和动态系统

3.3 熵和相关熵

3.3.1 熵的基本性质

3.4 条件熵和互信息

3.5 马尔可夫过程

3.6 特征选择

3.7 Adaboost算法

3.8 分层决策树

3.9 疲劳检测系统中人脸的检测

3.9.1 图像的预处理

3.9.2 照明条件的补偿

3.9.3 人脸候选位获取

3.9.4 候选位的验证

3.10 讨论

3.10.1 分支数目

3.10.2 查询的选择

3.10.3 分支停止准则

3.10.4 剪枝

3.10.5 叶节点的标记

3.10.6 计算复杂度

3.10.7 与其它系统比较

3.10.8 检测步骤总结

3.11 结论

第四章 基于粒子过滤器的眼睛跟踪算法

4.1 粒子过滤器模型简介

4.4.1 贝叶斯方法

4.1.2 离散时间的贝叶斯估计

4.2 动态系统模型

4.2.1 过滤，预测和平滑

4.3 粒子过滤器的历史

4.4 蒙特卡罗仿真

4.5 粒子的进化过程

4.6 粒子权值的计算

4.6.1 建议分布的选择

4.6.2 加权采样算法的退化问题

4.7 熵分析

4.8 重采样

4.8.1 优先权采样和定额采样

4.8.2 留数重采样

4.8.3 最小方差采样

4.9 关于建议分布

4.10 理论收敛

4.11 超状态估计

4.12 混合粒子过滤器算法

4.13 系统的实现

4.14 结论

第五章 基于 MLP的凝视度的估计

5.1 神经网络发展简介

5.2 神经元模型

5.3 感知器

5.4 反向传播算法

5.5 感知器网络设计

5.6 注意力分析

5.7 实验结果

5.7.1 训练数据的搜集

5.8 结论

第六章 基于模糊逻辑疲劳程度的估算

6.1 模糊逻辑规划

6.2 输出及输入变量隶属度建立

6.3 模糊化

6.4 模糊规则的建立

6.5 解模糊化

6.6 结论

第七章 结论与未来展望

7.1 结论

7.2 未来展望

参考文献

作者简介

作者在攻读博士学位期间发表或录用的论文

致谢

发布时间: 2006-07-12

相关论文

• [1].基于计算机视觉的汽车安全辅助驾驶若干关键问题研究[D]. 徐翠.中国科学技术大学2009
• [2].基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D]. 邸巍.吉林大学2010
• [3].基于视频图像分析与信息融合的驾驶员疲劳检测技术研究[D]. 朱淑亮.山东大学2011
• [4].驾驶疲劳机理及馈选模式研究[D]. 金键.西南交通大学2002
• [5].基于面部朝向的驾驶员精神分散监测方法研究[D]. 张明恒.吉林大学2007
• [6].人脸与人脸特征检测技术研究[D]. 王琼.南京理工大学2008

标签：疲劳报警论文;  图像处理论文;  小波分析论文;  熵分析论文;  分层推进算法论文;  粒子过滤器论文;  神经网络论文;