基于人脸特征的列车司机疲劳驾驶检测与识别系统研究

论文摘要

随着铁路的大发展,新的技术装备不断投入到铁路安全运输中,列车司机工作强度不断加大,同时由于列车司机的作息时间、工作环境等因素容易导致列车司机工作状态不佳、打瞌睡、疲劳驾驶,疲劳驾驶已成为铁路运输的重大安全隐患,因此列车司机的工作状态保证和监督环节越来越受到社会广泛地关注和重视。本文的研究内容是按照对列车司机疲劳驾驶检测系统车载、实时、非接触的基本要求,结合列车司机驾驶时的特点和规律,利用模式识别与图像处理知识分析列车司机疲劳驾驶时的脸部特征,研究适合于列车运行时驾驶室光照情况复杂多变及高频低幅振动环境下的列车司机疲劳检测和识别算法,并将疲劳驾驶检测与识别算法移植到以DSP数字信号处理芯片为核心的硬件平台中。本文的列车司机疲劳驾驶检测与识别系统开发分为三个步骤：1.人脸检测算法开发：研究了Harr-like弱特征与Adaboost算法,完成基于Adaboost算法的人脸分类器训练,提出在人脸检测中,加入Canny边缘检测与区域命中统计的思想,取得了不错的实际效果。2.人眼检测与状态分析算法开发：首先,训练基于Adaboost算法的人眼检测分类器。在分析了利用Hough找圆法与灰度投影法进行人眼状态分析优缺点的基础上,提出利用区域灰度特征比较法进行人眼状态分析,该算法不需要精确的几何模型,利用基于区域特征的灰度均值,具有很强的鲁棒性,经过反复实验、参数调整,最终获得了较高的人眼状态分析正确率。3.疲劳驾驶检测与识别算法的DSP移植：利用DSP/BIOS实时操作系统,将疲劳驾驶检测与识别算法移植到DSP中。在移植过程中,运用多种优化手段,疲劳驾驶检测与识别算法最终达到18帧／秒的检测速度,满足了实时检测的性能要求。在完成疲劳驾驶检测与识别算法开发后,分别搭建了基于PC和基于DSP的疲劳驾驶检测与识别系统,对算法进行正确率和实时性分析,验证算法的可用性,结果显示,疲劳驾驶检测与识别算法基本上达到预期目的,但离真正的应用阶段还有很多工作需要做。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 国内外研究现状
• 1.2 疲劳度识别算法介绍
• 1.3 基于PERCLOS测量原理的眼睛状态判断
• 1.4 研究内容及目标
• 1.4.1 基于人脸特征的疲劳驾驶检测与识别算法开发
• 1.4.2 疲劳驾驶检测与识别算法DSP移植
• 1.5 论文结构安排
• 第2章 基于Adaboost算法的人脸检测
• 2.1 人脸检测技术概述
• 2.2 Adaboost人脸检测算法
• 2.2.1 集成学习算法
• 2.2.2 Adaboost算法
• 2.3 基于Adaboost算法的人脸检测软件实现
• 2.3.1 样本训练过程
• 2.3.2 人脸检测程序
• 第3章 人眼检测与人眼状态分析算法
• 3.1 基于Adaboost的人眼检测算法
• 3.1.1 人眼库的建立
• 3.1.2 人眼级联分类器训练
• 3.1.3 人眼级联分类器效果分析
• 3.2 人眼状态分析算法
• 3.2.1 Hough找圆法
• 3.2.2 灰度投影法
• 3.2.3 区域灰度特征比较法
• 3.3 人眼状态分析算法结果分析
• 第4章 疲劳驾驶检测算法DSP移植
• 4.1 基于DSP的疲劳驾驶检测硬件系统
• 4.2 疲劳驾驶检测算法DSP移植过程
• 4.2.1 视频检测数据流图
• 4.2.2 DSP/BIOS嵌入式系统
• 4.2.3 疲劳检测算法结构级优化
• 4.2.4 疲劳检测算法程序级优化
• 第5章 疲劳驾驶实时检测系统效果分析
• 5.1 基于PC的疲劳驾驶检测系统效果分析
• 5.1.1 人脸倾斜对检测算法的影响
• 5.1.2 佩戴眼镜对检测算法的影响
• 5.1.3 部分遮挡对检测算法的影响
• 5.2 基于DSP的疲劳驾驶检测系统效果分析
• 总结与展望
• 工作总结
• 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文