多模态机车驾驶员疲劳检测系统

论文摘要

随着科技的不断进步,汽车行业得到了迅猛发展,全球的汽车总量得到大幅度的提升。随之而来的交通事故也是逐年上升,其中由于疲劳驾驶导致交通事故的比例也是久居不下。所以本课题的研究具有深远而重要的意义。本文提出了一种基于视觉的疲劳检测方法,利用摄像头采集司机的人脸图片进行处理,检测出人眼和人嘴的位置并判断其闭合状态,进而判断出驾驶员是否疲劳。本文主要研究的内容如下：首先,对人脸图像进行预处理,之后利用非线性色彩变换进行人脸的肤色检测,求出类肤色区域,通过判断区域的大小,排除非人脸的类肤色区域,从而得到人脸的大致区域。其次,在定位出入脸的基础上,进行人眼和人嘴的精确定位。利用人脸的几何特征,眼睛处于人脸的上半部,将灰度积分投影和一维小波变换相结合,分两步求出人眼的精确位置。得到眼睛的位置后,利用人嘴和人眼的相对位置,再次结合灰度积分投影和一维小波变换算法,求出嘴部的精确位置。然后,对人眼和人嘴进行状态判断。利用光线调节和阈值分割的方法,将人眼和人嘴的特征提取出来,通过计算黑色像素值与高度之积来判断眼嘴的状态。最后,利用图像中眼嘴的状态来判断驾驶员是否疲劳。当连续五张以上的图像显示人眼为闭合状态则判断为疲劳,或连续10张以上的图像显示人嘴为打哈欠状态则判断为疲劳。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 课题来源
• 1.3 课题的国内外发展现状
• 1.3.1 生理参数疲劳检测方法
• 1.3.2 机器视觉疲劳检测方法
• 1.3.3 驾驶行为和车辆行驶状态疲劳检测方法
• 1.4 目前存在的问题
• 1.5 论文的主要研究内容
• 1.6 论文的组织结构
• 第二章 疲劳检测系统的人脸检测
• 2.1 疲劳检测系统的图像采集
• 2.1.1 VFW简介及采集流程
• 2.1.2 AVICAP图像采集编程方法及过程
• 2.1.3 图像采集结果与结论
• 2.2 人脸检测技术简介
• 2.2.1 基于可视特征的人脸检测方法
• 2.2.2 基于模板匹配的人脸检测方法
• 2.2.3 基于代数特征的人脸检测方法
• 2.2.4 基于统计模型的人脸检测方法
• 2.3 基于肤色模型的人脸检测
• 2.3.1 肤色空间的选择
• 2.3.2 肤色模型的建立
• 2.3.3 人脸肤色检测
• 2.4 本章小结
• 第三章 疲劳检测系统中人眼和人嘴的定位
• 3.1 人眼定位方法介绍
• 3.1.1 基于统计的人眼定位方法
• 3.1.2 基于知识的人眼定位方法
• 3.2 基于一维小波变换与灰度积分投影的人眼定位
• 3.2.1 一维小波变换及其性质
• 3.2.2 一维离散小波变换MATLAB实现
• 3.2.3 小波变换应用于人眼定位
• 3.3 人嘴定位方法介绍
• 3.4 基于几何特征和小波变换的综合人嘴定位方法
• 3.5 本章小结
• 第四章 驾驶员眼睛和嘴部状态的判断
• 4.1 本课题中的人眼状态判断方法
• 4.1.1 眼睛特征的提取
• 4.1.2 人眼状态的判断
• 4.2 本课题中的人嘴状态判断方法
• 4.3 本章小结
• 第五章 检测效果与疲劳判断
• 5.1 肤色人脸检测结果
• 5.2 人眼人嘴的定位结果
• 5.3 眼嘴状态检测结果
• 5.4 疲劳判断方法
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 课题展望
• 参考文献
• 在学研究成果
• 致谢