基于多视频窗口的疲劳驾驶监测系统研究

论文摘要

当前,交通事故已成为危害人类生命安全的主要公害之一,同时也是世界各国所面临的一个严重的社会问题。调查表明,疲劳驾驶在造成交通事故的危险因素中高居第三位,在死亡交通事故原因中占首位。研究开发疲劳预警系统可以有效地减少疲劳驾驶所造成的交通事故,其中基于视频的疲劳驾驶监测系统因其实时性、非接触性得到国内外的广泛关注。论文在分析了国内外现状的基础上,研究了基于视频的疲劳驾驶监测系统的关键技术。综合当前基于视频的疲劳监测系统研发进展,深入探寻当前系统所存在的不足和值得改进之处,重点对图像数据采集、人脸检测和目标跟踪做了进一步的研究和改进。论文的主要工作及成果包括:针对基于多视频的图像采集,设计了系统的软硬件实验框架及工作流程,提出了基于多视频的图像数据采集机制;采用了准确性和实时性都较好的基于AdaBoost的方法来检测和定位人脸,改进了基于肤色模型的人脸检测方法中模型建立方法,并将改进后的基于肤色模型的人脸检测方法和基于AdaBoost的方法相结合,提出了监测过程中鲁棒性高的基于动态肤色模型的人脸重定位方法;在关键环节人眼定位中,依然采用了基于AdaBoost的方法,但在目标跟踪时,针对常用的mean shift跟踪算法固有的不足及实际驾驶过程中的复杂环境,提出了自适应的核窗宽更新算法和基于等腰三角形模型的遮挡估计算法,并将提出的算法融入到mean shift跟踪中,实现了对目标的连续稳定跟踪;最后,在成功定位和跟踪到人眼和嘴巴后,选用目前公认最有效的PERCLOS疲劳评价指标辅以哈欠检测来评价驾驶员疲劳状态。论文根据实际应用环境的多样性,设计了大量测试实验,包括多种外界光照条件、多种人物、不同人脸姿态、配戴眼睛等等。基于上述研究所实现的系统在实验室环境下获得了较好的实验效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及研究意义
• 1.2 疲劳驾驶检测技术的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 研究现状分析
• 1.3 本文主要工作与结构安排
• 1.3.1 本文主要工作
• 1.3.2 论文结构安排
• 第二章 多视频疲劳监测系统实验设计
• 2.1 基于视频的疲劳监测系统组成
• 2.2 系统实验框架
• 2.2.1 系统硬件设计
• 2.2.2 系统软件设计及工作流程
• 2.2.3 基于多视频的驾驶员视频采集
• 2.3 多视频采集实验结果及分析
• 2.4 本章小结
• 第三章 人脸的检测和定位
• 3.1 人脸检测
• 3.1.1 人脸检测方法概述
• 3.1.2 基于AdaBoost 的驾驶员人脸检测
• 3.2 监测过程中的鲁棒的人脸重定位方法
• 3.2.1 肤色模型的建立
• 3.2.2 肤色分割和人脸区域确定
• 3.2.3 基于动态肤色模型的人脸检测
• 3.3 改进的人脸检测算法实验结果及分析
• 3.3.1 实时性检验
• 3.3.2 准确性检验
• 3.3.3 复杂背景
• 3.3.4 人脸偏转
• 3.4 本章小结
• 第四章 特征的定位和跟踪
• 4.1 人眼定位
• 4.1.1 人眼定位方法概述
• 4.1.2 人眼定位方法分析
• 4.1.3 基于AdaBoost 的人眼定位
• 4.2 目标跟踪
• 4.2.1 常用目标跟踪算法
• 4.2.2 Mean shift 算法
• 4.3 自适应尺度变化和遮挡的改进mean shift 跟踪算法
• 4.3.1 自适应规则
• 4.3.2 等腰三角形模型
• 4.3.3 基于灰度投影的自适应核窗宽更新算法
• 4.3.4 基于等腰三角形的自适应遮挡估计算法
• 4.3.5 改进的mean shift 算法流程
• 4.4 跟踪算法实验结果及分析
• 4.4.1 核窗宽更新算法实验
• 4.4.2 遮挡估计算法实验
• 4.4.3 自适应的改进mena shift 算法实验
• 4.5 本章小结
• 第五章 驾驶员疲劳状态分析
• 5.1 驾驶员疲劳评价标准
• 5.1.1 基于PERCLOS 的疲劳检测
• 5.1.2 基于嘴巴状态的疲劳检测
• 5.2 疲劳特征参数提取
• 5.2.1 眼睛参数提取
• 5.2.2 嘴巴参数提取
• 5.3 实验结果及分析
• 5.3.1 系统实时性分析
• 5.3.2 监测效果分析
• 5.4 本章小结
• 第六章 总结和展望
• 6.1 工作总结
• 6.2 研究展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果