基于多模态特征融合的驾驶员疲劳检测方法研究

发布时间：2024-04-02 22:38

　　疲劳驾驶是造成交通事故的重要原因之一,因此研究并开发一种能够精确检测驾驶员疲劳状态的驾驶员疲劳检测系统,对汽车安全性的提升有着重要意义。针对现有的驾驶员疲劳检测方法存在检测精度低、鲁棒性差、未充分考虑时间序列上的变化规律等问题,本文采用基于机器视觉和多模态特征融合的方法对实际驾驶环境下驾驶员疲劳检测方法进行了研究。本文主要研究内容如下:(1)驾驶员面部有效区域提取针对实际驾驶环境,建立了一个基于回归树集合的级联回归器以用于检测驾驶员面部关键点,并依据驾驶员面部关键点提出了驾驶员面部有效区域提取方法。基于并行的回归树建立弱级联回归器,利用多个弱级联回归器组成强级联回归器以用于检测驾驶员面部关键点,同时对回归树中结点划分的误差函数进行拓展以解决数据集中标签部分缺失的问题。然后,基于驾驶员面部关键点之间的相对位置关系,对驾驶员面部关键点、眼睛图像及嘴巴图像进行提取。(2)驾驶员面部行为感知模型建立了基于深度学习的驾驶员面部整体特征检测模型。该模型通过一个深度神经网络对驾驶员面部整体特征进行粗处理,并将其处理结果作为驾驶员疲劳检测的参考信息。建立了用以分析驾驶员眼睛/嘴巴状态的深度压缩卷积神经...

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

图１－１本文整体结构??本文主要研宄内容如下：??

?第１章绪论???绪论一??（第？章）??１??驾驶员面部关键点定位???＾第二章）??（第二章）??Ｉ?￣７￣１?＇?＾?—??舞驶员眼暗状态识别丨?气驶（４嘴已状态ＵＩ别?驾驶员面部特征识别Ｉ?Ｋ驶员视线区域佔［丨??｜?（第￥章）?＇?Ｕ：）?（第二：車）?－??”?Ｊｒ?....

图２－１决策树结构原理图??回归树是决策树的一种变形，它使用决策树模型解决了回归问题

?山东大学硕士学位论文???法。??■?、．－?＿??，?ｙ：．＇?．?—?．??—??（内部结点）?Ｉ叶结点??Ｖ％，??１?＇?■：?０??ｘ．Ｊｒ??叶结点?叶结点??图２－１决策树结构原理图??回归树是决策树的一种变形，它使用决策树模型解决了回归问题。与决策树??采用基尼....

图２－２驾驶员面部有效区域提取流程??

归器中第／ｔ棵回归树。??至此，基于上文可建立完整的级联回归器。本文中，单个弱级联回归器中回??归向量为５００个，强级联回归器由１０个弱级联回归器组成，弱级联回归器之间??相互独立。??２．２驾驶员面部有效区域提取??在驾驶员疲劳驾驶检测的过程中，如果以驾驶员整张面部图像为输入，....

图２＿３眼睛区域裁剪示意图??

?第２章驾驶员面部有效区域提取???于深度学习的方法，因此需要根据驾驶员面部关键点裁剪出相应合适大小的眼睛??区域图像。由于眼睛状态识别在单帧图像上的只需识别出眼睛的开闭合状态即??可，因此对图像质量没有很高的要求，高质量的图像反而会影响分特征识别模型??的计算量。本文以提取右眼....

本文编号：3946309