基于计算机图像处理的人眼球变化识别系统

论文摘要

随着计算机技术的发展,数字图像处理和模式识别技术在当今社会中的应用越来越广泛,驾驶员疲劳状态识别系统就是它们的应用。交通的安全性是世界各国面临的共同问题,其中很多的交通事故是由驾驶员精神状态不好引起的,尤其在我国驾驶员工作时间过长,根据交警部门提供的材料可知由于疲劳驾驶引起的交通事故在总体交通事故中所占的比例约有40%。利用数字图像处理技术和模式识别技术能够识别驾驶员是否处于疲劳状态,提醒或强制驾驶员休息,从而达到减少交通事故,保证人民生命财产少受损失。依据人眼球图像,具体论述了数字图像处理和模式识别的基本算法,其中包括图像的点远算、几何运算、图像增强、图像分割、聚类算法和支持向量机等。在这些算法基础之上,根据人眼球图像的颜色特性与几何特征,采用图像格式转换、灰度化、阈值分割、边缘检测和提取等算法分割出效果良好的人眼球图像,再利用特征选择和提取算法得到眼球的几何特征,利用支持向量进行训练,建立分类器,从而进行决策判断驾驶员是否处于疲劳状态。根据了解到的国内外在疲劳驾驶状态识别方面的研究,结合数字图像处理技术与模式识别技术,重点分析了图像的聚类分割方法,模式特征的选择与提取,以及利用支持向量机对数据进行训练。试验证明,系统可以比较准确地识别出驾驶员是否处于疲劳状态。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 数字图像处理与模式识别的应用
• 1.2 课题背景与研究意义
• 1.2.1 课题背景
• 1.2.2 研究意义
• 1.3 国内外研究现状
• 1.4 课题研究的主要内容
• 1.4.1 图像预处理技术
• 1.4.2 数学形态学
• 1.4.3 图像分割技术
• 1.4.4 支持向量机
• 1.5 本文组织结构
• 第2章 图像处理和模式识别算法的研究
• 2.1 图像基本操作
• 2.1.1 图像的点运算
• 2.1.2 图像的几何运算
• 2.1.3 图像增强算法
• 2.2 图像灰度化
• 2.3 数学形态学
• 2.3.1 概述
• 2.3.2 腐蚀和膨胀
• 2.3.3 开和闭
• 2.4 图像分割
• 2.4.1 图像分割
• 2.4.2 边缘检测与提取
• 2.5 聚类算法
• 2.5.1 模糊C 均值聚类算法
• 2.5.2 ISODATA 聚类算法
• 2.6 图像特征提取与选择
• 2.6.1 特征的选择
• 2.6.2 特征的计算
• 2.7 支持向量机
• 2.7.1 支持向量机的发展历史
• 2.7.2 支持向量机的基本原理
• 2.7.3 支持向量机的一个实例
• 第3章 系统总体设计
• 3.1 系统总体设计方案
• 3.2 系统试验方法
• 3.2.1 试验环境
• 3.2.2 试验方法
• 第4章 系统实现概述
• 4.1 图像采集
• 4.2 图像格式转换
• 4.3 图像预处理
• 4.4 图像分割
• 4.5 图像特征选择与提取
• 4.6 统计分类
• 4.7 识别判断
• 结论
• 参考文献
• 攻读学位期间发表的论文以及所取得的研究成果
• 致谢
• 详细摘要