论文摘要
随着汽车持有量的增加,我国交通安全问题日益突出,由驾驶员疲劳驾驶造成的交通事故越来越多,现已成为交通事故发生的主要因素之一,由此可见,研究并实现疲劳检测相关算法对预防交通事故的发生有着重大的现实意义。本文对国内外有关驾驶员疲劳检测的相关技术进行了系统分析,最终选取Adaboost定位算法和模板匹配跟踪算法,并做了进一步研究。在定位阶段,首先对原图像进行预处理,然后应用人脸Adaboost级联分类器进行人脸定位,并对检测到的所有人脸进行判断,得出真正的驾驶员脸部范围,进而在此范围内应用人眼Adaboost级联分类器进行人眼定位,并通过自适应阈值判断得出正确的人眼,从而最终得到人眼跟踪所用的模板;在跟踪阶段,根据连续两帧的人眼位移预测出人眼区域,并应用模板匹配对人眼进行实时跟踪,但传统的模板匹配算法常常由于累积误差和人眼的眨动导致跟踪丢失,所以本文提出在模板匹配的基础上进行人眼轮廓提取,并根据人眼轮廓对人眼模板进行更新,从而解决了跟踪丢失的问题。在准确跟踪的基础上提取眼高眼宽,计算出人眼张合度TOOE,最终判断得到人眼特征。为了保证跟踪的准确性,跟踪阶段还需对人眼进行重定位判断,在跟踪出错或丢失时及时的进行重定位。本文在PC机上采用C#编程语言,使用VS2008开发环境并基于OpenCV计算机视觉库仿真实现了该算法,对不同像素级、不同光照、不同速度、不同旋转角度和刘海干扰下的实时性和准确性进行测试,根据测试结果分析可知,在正常的光照条件下对640×480像素级视频的处理,本文的人脸、眼睛定位与眼睛跟踪算法在各个阶段均能实时准确地实现,从而验证了本文所用的算法适用于驾驶员疲劳检测。
论文目录
相关论文文献
- [1].基于人脸识别的驾驶人员疲劳检测系统设计[J]. 智能计算机与应用 2020(02)
- [2].疲劳驾驶检测技术发展研究[J]. 河北交通职业技术学院学报 2013(03)
- [3].基于单通道脑电信号的疲劳检测系统[J]. 计算机科学 2020(05)
- [4].飞行疲劳检测方法研究进展[J]. 职业与健康 2015(08)
- [5].起重机结构疲劳检测方法[J]. 科技创新导报 2011(35)
- [6].基于眼口状态的疲劳检测系统[J]. 传感器与微系统 2018(10)
- [7].基于嵌入式平台人眼疲劳检测终端的设计与实现[J]. 现代电子技术 2016(24)
- [8].基于逆投影修正和眼睛凝视修正的列车驾驶员疲劳检测方法[J]. 铁道学报 2018(04)
- [9].用于疲劳检测系统的有效人眼跟踪方法[J]. 信息技术 2018(10)
- [10].高频疲劳检测技术在铁路的应用研究[J]. 上海铁道科技 2014(04)
- [11].基于面部行为分析的驾驶员疲劳检测方法[J]. 计算机工程 2018(01)
- [12].基于多类别特征融合的疲劳检测系统研究[J]. 现代电子技术 2019(01)
- [13].基于多形态红外特征与深度学习的实时驾驶员疲劳检测[J]. 红外与激光工程 2018(02)
- [14].基于多传感器的可穿戴疲劳检测装置设计[J]. 国外电子测量技术 2018(03)
- [15].驾驶疲劳检测技术概述[J]. 交通工程 2018(01)
- [16].驾驶员疲劳检测中的嘴部状态研究[J]. 电子设计工程 2015(02)
- [17].MATLAB人脸识别在驾驶员疲劳检测中的应用研究[J]. 电子技术与软件工程 2016(09)
- [18].基于脑电和眼电的疲劳检测方法的研究[J]. 电子设计工程 2020(06)
- [19].高铁司机行车前疲劳检测系统设计与开发[J]. 铁路计算机应用 2019(08)
- [20].基于脑电图的脑疲劳检测研究进展[J]. 中国医学物理学杂志 2019(11)
- [21].基于多面部特征融合的驾驶员疲劳检测算法[J]. 计算机系统应用 2018(10)
- [22].基于支持向量机的管制疲劳检测模型研究[J]. 安全与环境学报 2019(01)
- [23].民机复合材料目视检查中的眼动与疲劳检测[J]. 航空学报 2020(05)
- [24].基于机器视觉的驾驶员疲劳检测方法[J]. 物联网技术 2018(07)
- [25].基于DM642的驾驶员疲劳检测系统的实现与优化[J]. 南方农机 2017(12)
- [26].面向ARM平台的自标定驾驶员疲劳检测方法[J]. 汽车安全与节能学报 2020(01)
- [27].一种用于驾驶员疲劳检测的人眼状态判别方法[J]. 计算机光盘软件与应用 2012(13)
- [28].人眼识别在疲劳检测中的应用[J]. 科技传播 2010(22)
- [29].基于图像处理的疲劳检测算法研究[J]. 邵阳学院学报(自然科学版) 2017(01)
- [30].基于多尺度池化卷积神经网络的疲劳检测方法研究[J]. 计算机应用研究 2019(11)