基于多特征融合的驾驶员疲劳检测研究

论文摘要

随着社会经济的发展,机动车辆与日俱增,随之而来的人身安全越来越受到世人的关注。驾驶员疲劳已经成为引发交通事故的主要因素之一。因此,许多国家都积极开展有关驾驶疲劳的研究工作,尤其在西方发达国家,此方面研究更为全面。在当今的社会,驾驶疲劳的检测显得至关重要。本文设计的驾驶员疲劳检测系统分为四个部分：人脸检测、人脸的跟踪、眼睛和嘴巴特征提取和驾驶员疲劳状态识别。人脸检测在驾驶员疲劳检测系统中具有很重要的作用,本文融合肤色检测和主成分分析,提出了一个新的人脸检测方法。先利用肤色检测进行人脸候选区域定位,进而采用PCA方法进行人脸检测。实验表明该方法大大地减少了似人脸区域数量,提高了人脸检测效率和准确率,而且在不同的光照条件下表现得更好。人脸跟踪过程中,采用卡尔曼滤波器跟踪人脸,进一步提高了检测的速度和定位的准确度。采用基于灰度直方图的阈值分割对嘴巴区域检测和定位,在定位嘴巴的基础上,利用先验知识确定眼睛大概范围,并用边缘提取来获得眼睛特征点；最后根据眼睛各特征点边缘斜率变化提出了一种特征点偏差的纠正方法。最后根据获取的眼睛和嘴巴等部位的多特征信息,采用BP神经网络进行驾驶员疲劳状态识别,并将其与基于PERCLOS原理的方法进行了比较。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究意义
• 1.2 驾驶员疲劳检测的国内外研究现状
• 1.2.1 国外疲劳检测研究现状
• 1.2.2 国内疲劳检测研究现状
• 1.3 驾驶疲劳分析
• 1.3.1 驾驶疲劳生理学分析
• 1.3.2 驾驶疲劳心理学分析
• 1.3.3 驾驶疲劳行为科学机理
• 1.4 论文组织结构
• 2 基于PCA和肤色提取的人脸检测
• 2.1 引言
• 2.2 一种新的候选区域简便快速的定位算法
• 2.2.1 肤色提取
• 2.2.2 候选区域简便快捷算法
• 2.3 人脸检测方法
• 2.3.1 主成份分析
• 2.3.2 本征脸的计算
• 2.3.3 使用本征脸进行人脸检测
• 2.4 试验结果及分析
• 2.5 本章小结
• 3 人脸面部跟踪
• 3.1 引言
• 3.2 卡尔曼滤波理论
• 3.3 基于卡尔曼滤波人脸面部跟踪算法
• 3.4 试验结果及分析
• 3.5 本章小结
• 4 人脸多特征提取
• 4.2 引言
• 4.2.1 人脸图像二值化
• 4.2.2 基于灰度直方图的阈值分割
• 4.2.3 嘴唇特征点提取
• 4.3 眼睛特征提取
• 4.3.1 眼睛定位
• 4.3.2 右眼区域分割
• 4.3.3 眼睛特征点提取
• 4.3.4 改进的眼睛特征点提取
• 4.3.5 多特征模型的构建
• 4.4 本章小结
• 5 基于神经网络和多特征融合的疲劳检测
• 5.1 引言
• 5.2 基于BP神经网络的疲劳检测
• 5.2.1 BP神经网络
• 5.2.2 BP神经网络学习算法
• 5.2.3 BP神经网络训练
• 5.2.4 疲劳检测试验
• 5.3 基于PERCLOS疲劳检测
• 5.3.1 PERCLOS的测量原理
• 5.3.2 瞳孔面积计算
• 5.4 仿真试验比较分析
• 5.4.1 两种方法试验数据比较
• 5.4.2 结论
• 5.5 本章小结
• 6 总结与展望
• 参考文献
• 附录 攻读学位期间的主要学术成果
• 致谢