基于视觉的疲劳驾驶检测

发布时间：2022-05-08 12:49

　　随着我国汽车保有量的不断增加,道路交通安全已经成为了我国日益突出的社会问题。其中,疲劳驾驶已经成为导致道路交通事故的主要原因之一。因此,本文对疲劳驾驶检测进行了研究,并使用基于视觉的方法对驾驶员的眼睛状态进行分析,以此来判断驾驶员是否疲劳。首先,本文对采集到的图像进行灰度化、去噪等预处理,并对图像进行人脸检测,将检测到的人脸区域作为人眼检测的待检区域。分别使用Haar特征和MB-LBP特征来训练基于Adaboost算法的人脸检测器,并通过实验对比了这两种检测器的检测速度和检测率。实验结果表明,两者在检测率上差距并不明显,但使用MB-LBP特征的检测器在训练时间和检测速度上占有一定优势。然后,本文使用两种改进方法进行睁闭眼判断。方法一:为了提升检测的准确性和效率,先使用粗定位的方法确定右眼的大致区域,再使用人眼检测器获取右眼区域的图像。接着,使用Otsu算法和区域生长法对右眼图像进行分割等处理,精确提取右眼的二值化图像。本文提出了一种计算人眼高宽比（EAR）的改进方法,统计眼睛二值图像中每一列灰度值为255的像素点个数,取其中的最大值为眼睛的高度,有效提升了闭眼状态下的计算精度。对于同一... 

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 基于驾驶行为的方法
        1.2.2 基于生理学的方法
        1.2.3 基于视觉的方法
    1.3 本文组织结构
第2章 疲劳驾驶检测相关原理
    2.1 图像预处理
        2.1.1 图像灰度化
        2.1.2 图像去噪
        2.1.3 直方图均衡化
    2.2 人脸检测算法
        2.2.1 人脸检测方法概述
        2.2.2 基于Adaboost算法的人脸检测原理
    2.3 人眼区域定位方法概述
    2.4 人脸关键点检测
        2.4.1 人脸关键点检测方法概述
        2.4.2 基于级联回归树的人脸关键点检测算法
    2.5 本章小结
第3章 基于Adaboost算法的人脸检测
    3.1 人脸检测器的分类特征
        3.1.1 Haar特征
        3.1.2 LBP特征
    3.2 基于Adaboost算法的人脸检测器
    3.3 实验结果分析
    3.4 本章小结
第4章 人眼检测及睁闭眼状态判断
    4.1 改进型基于Adaboost算法的人眼检测及睁闭眼判断
        4.1.1 基于Adaboost算法的人眼检测
        4.1.2 人眼睁闭状态判断
    4.2 改进型基于人脸关键点检测的人眼睁闭状态判断
        4.2.1 基于级联回归树的人脸关键点检测
        4.2.2 人眼睁闭状态判断
    4.3 实验及结果分析
    4.4 本章小结
第5章 疲劳状态分析
    5.1 疲劳状态判定方法
    5.2 实验及结果分析
    5.3 本章小结
总结与展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术成果目录
附录 B 攻读学位期间参与的科研项目


【参考文献】：
期刊论文
[1]级联的卷积神经网络人脸检测方法[J]. 李亚可,玉振明.  计算机工程与应用. 2019(24)
[2]基于人脸特征点分析的疲劳驾驶实时检测方法[J]. 柳龙飞,伍世虔,徐望明.  电视技术. 2018(12)
[3]基于脑电信号的疲劳驾驶状态研究[J]. 陈骥驰,王宏,王翘秀,化成城,刘冲.  汽车工程. 2018(05)
[4]基于眼睛与嘴部状态识别的疲劳驾驶检测[J]. 邹昕彤,王世刚,赵文婷,赵晓琳,李天舒.  吉林大学学报(信息科学版). 2017(02)
[5]基于ASM局部定位和特征三角形的列车驾驶员头部姿态估计[J]. 赵磊,王增才,王晓锦,张万枝.  铁道学报. 2016(09)
[6]基于LBP模板匹配的人眼状态检测[J]. 付雅慧,欧阳纯萍,刘志明.  现代计算机(专业版). 2016(21)
[7]基于转向盘转角的疲劳驾驶检测方法研究[J]. 刘军,王利明,聂斐,袁俊,程伟.  汽车技术. 2016(04)
[8]基于驾驶员转向操作特性的疲劳驾驶检测[J]. 屈肖蕾,成波,林庆峰,李升波.  汽车工程. 2013(09)
[9]司机疲劳驾驶实时检测系统设计[J]. 周锋华,孟宪元,梅顺良,任雁军.  测控技术. 2013(01)
[10]驾驶疲劳脑电信号节律的特征分析[J]. 王利,艾玲梅,王四万,罗万志.  生物医学工程学杂志. 2012(04)

硕士论文
[1]驾驶员疲劳特征提取方法的研究及检测系统的设计[D]. 牛正存.电子科技大学 2017



本文编号：3651696