基于人脸识别的驾驶员疲劳驾驶检测系统的研究与实现

论文摘要

驾驶员疲劳驾驶是引发恶性交通事故的重要原因之一,每年造成大量人员伤亡,直接或间接导致巨额的经济损失。安全辅助驾驶技术作为智能交通系统的关键技术日益受到人们的关注,其中,驾驶员疲劳检测技术对降低交通事故率有着重要的作用。因此驾驶员疲劳检测技术引起工业界和学术界的广泛关注,并成为研究的热点。本文围绕疲劳驾驶技术展开研究,以人脸识别和图像处理技术为基础,通过识别驾驶员的眼部状态来检测其是否疲劳。论文的主要研究内容如下：论文首先分析了驾驶疲劳的机理、影响因素和大多数人的疲劳表现,重点对司机的脸部检测与眼睛定位算法进行了研究和改进,对人脸定位、人眼定位、眼睛状态识别以及相关的图像处理技术进行了较为深入的研究,在借鉴已有的相关算法的基础上,设计并实现了一种适合于疲劳预警系统的改良算法。本文选用YCbCr颜色空间作为肤色分布统计的映射空间,建立一个基于肤色的二维高斯分布数学模型。利用基于相似度和人脸图像积分投影函数的方法,制作人脸掩模图像,屏蔽掉除人脸图像外的复杂背景,使得系统的检测速度大大提高,人脸定位更加准确。在采用肤色检测方法定位人脸的基础上,提出了一种结合人脸几何结构灰度特征和图像重心的人眼定位的方法。实验表明该方法能快速且较为正确地定位人眼中心,并能识别闭眼图像。提出了一种结合灰度投影和霍夫变换进行眼部状态识别的方法,并且综合全文提出的若干人脸定位、人眼定位和眼部状态识别的算法,并利用多张图片进行了实验。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 疲劳驾驶检测技术的理论概述
• 1.2.1 疲劳驾驶相关理论
• 1.2.2 疲劳驾驶检测方法
• 1.3 疲劳检测国内外研究历史与现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本文的研究内容及结构安排
• 1.5 本章小结
• 第2章 人脸图像采集
• 2.1 软件系统组成
• 2.1.1 软件系统功能流程图
• 2.1.2 软件支持
• 2.2 硬件系统组成
• 2.2.1 摄像头的选择
• 2.2.2 图像采集卡
• 2.2.3 计算机配置
• 2.3 人脸图像采集要求
• 2.4 小结
• 第3章 人脸图像的检测与定位
• 3.1 人脸检测方法综述
• 3.1.1 基于知识的自顶向下的方法
• 3.1.2 基于人脸特征的自低向上的方法
• 3.1.3 模板匹配的方法
• 3.1.4 基于人脸外观的方法
• 3.2 基于肤色的人脸检测算法
• 3.2.1 肤色特征在人脸检测中的特点
• 3.2.2 色彩空间与色彩空间聚类
• 3.2.3 色彩空间的选择
• 3.2.4 预处理
• 3.2.5 相似度的计算
• 3.2.6 图像的二值化
• 3.2.7 去噪声和图像重建
• 3.2.8 建立人脸掩模
• 3.2.9 利用积分投影法确定人脸轮廓
• 3.2.10 人脸区域分割
• 3.3 人脸定位实例
• 3.4 本章小结
• 第4章 人眼的检测与定位
• 4.1 图像预处理
• 4.1.1 图像的灰度化处理
• 4.1.2 图像平滑去噪
• 4.2 人眼定位及其特征提取
• 4.2.1 人眼定位方法概述
• 4.2.2 眼睛粗定位
• 4.2.3 人眼的精确定位及其特征提取
• 4.3 眼睛状态判别
• 4.3.1 眼部状态识别的方法概述
• 4.3.2 一种结合投影方法和霍夫变换的眼部状态识别方法
• 4.4 本章小结
• 第5章 驾驶员疲劳状态检测系统
• 5.1 疲劳检测系统结构
• 5.2 眼动分析
• 5.2.1 眼动技术
• 5.2.2 眼动的三种基本形式
• 5.2.3 眼动特点
• 5.3 PERCLOS方法简介
• 5.3.1 PERCLOS测量原理
• 5.3.2 基于PERCLOS测量原理的眼睛状态判断
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢