驾驶员疲劳视频监测系统设计与关键技术研究

论文摘要

疲劳驾驶是交通事故发生的重要原因之一,监测驾驶员疲劳程度并预先报警能有效减少交通事故的发生和人员伤亡。基于视频的人体疲劳监测系统采用一种非打扰的技术手段,可以方便地解决因驾驶疲劳给交通安全带来的危害问题。论文研究了基于视频的驾驶员疲劳程度监测系统的关键技术和系统设计。在分析人体疲劳所表现出来的生理信息基础上,通过实时采集驾驶员外部特征信息,并通过处理算法自动分析驾驶员疲劳程度,实现了完整的基于人眼亮瞳效应的驾驶员疲劳监测系统。论文的主要成果及工作包括:设计实现了特定视频采集设备,通过外加特殊结构红外光源的方式,实现了视频中人眼亮瞳效应的采集,为后续处理工作提供数据支持;提出并实现了一种基于支持向量机(SVM)的人眼检测方法,首先基于YCgCr颜色空间实现人脸区域的提取,以减少处理数据,再利用核模板卷积与阈值方法增强人眼特征并剔除非人眼区域,对得到的人眼候选对象,再利用训练好的支持向量分类机进行处理,检测出真实人眼,完成人眼的准确定位;针对实际应用环境中多种情况,实现了一种融合Kalman滤波和Meanshift跟踪的人眼跟踪处理框架,完成了对驾驶员双眼位置的准确跟踪,保证了跟踪算法的准确性和稳定性;基于PERCLOS,AECS等人体疲劳程度评价指标,提出了多项驾驶员疲劳程度评价指标,并实现各评价指标的自动检测,同时建立了驾驶员疲劳状态的综合评价模型。论文根据实际应用环境的多样性,设计了大量测试实验,包括多种外界光照条件、多种人物、不同人脸姿态、配戴眼睛或者墨镜等等。实验结果表明,在多种应用环境下,论文实现的系统都能够准确地对驾驶员疲劳状态做出判断。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 问题的提出
• 1.2 驾驶疲劳的概念
• 1.3 驾驶员疲劳检测技术的分类
• 1.4 驾驶员疲劳状态检测技术国内外研究现状
• 1.4.1 国外研究现状
• 1.4.2 国内研究现状
• 1.5 本文的研究内容及贡献
• 1.6 论文的结构安排
• 第二章 驾驶员疲劳视频监测系统设计
• 2.1 驾驶员疲劳监测系统的硬件设计方案
• 2.1.1 视频采集设备
• 2.1.2 硬件实现方案
• 2.2 驾驶员疲劳监测系统的软件设计方案
• 2.3 本章小结
• 第三章 人眼定位算法
• 3.1 人眼定位算法概述
• 3.2 人眼候选区域的获得
• 3.2.1 预处理
• 3.2.2 人脸定位
• 3.2.3 图像卷积
• 3.3 人眼区域的精确定位
• 3.3.1 支持向量机
• 3.3.2 核函数的选取
• 3.3.3 训练样本的建立
• 3.3.4 实验结果及其分析
• 3.4 本章小结
• 第四章 人眼跟踪算法
• 4.1 人眼跟踪算法概述
• 4.2 Kalman 跟踪算法
• 4.2.1 Kalman 跟踪算法原理及实现
• 4.2.2 Kalman 跟踪实验结果
• 4.3 Meanshift 跟踪算法
• 4.3.1 Meanshift 跟踪算法原理及实现
• 4.3.2 Meanshift 跟踪实验结果
• 4.4 Kalman 跟踪与Meanshift 跟踪的结合
• 4.5 本章小结
• 第五章 驾驶员疲劳综合评价技术
• 5.1 驾驶员疲劳状态评价体系概述
• 5.2 驾驶员疲劳状态评价指标
• 5.2.1 驾驶员眼睑活动规律
• 5.2.2 人眼坐标变换幅度
• 5.2.3 头部姿态的估计
• 5.2.4 人眼运动速度的平均值
• 5.3 驾驶员疲劳状态评价指标的测量
• 5.3.1 驾驶员眼睑活动规律统计
• 5.3.2 人眼坐标变换幅度统计
• 5.3.3 头部姿态的估计
• 5.3.4 人眼运动速度均值统计
• 5.4 驾驶员疲劳状态评价模型的建立
• 5.5 本章小结
• 第六章 结束语
• 6.1 本文的研究工作
• 6.2 对未来工作的展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果