資源描述：
《基于卷積神經(jīng)網(wǎng)絡(luò)的駕駛員疲勞檢測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代號10532學(xué)號S1502W0252分類號U461.91密級公開工程碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的駕駛員疲勞檢測學(xué)位申請人姓名張智騰培養(yǎng)單位機(jī)械與運載工程學(xué)院導(dǎo)師姓名及職稱李凡助理教授高暉高級工程師學(xué)科專業(yè)車輛工程研究方向駕駛安全論文提交日期2018年4月20日學(xué)校代號:10532學(xué)號:S1502W0252密級:公開湖南大學(xué)工程碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的駕駛員疲勞檢測學(xué)位申請人姓名：張智騰導(dǎo)師姓名及職稱：李凡助理教授高暉高級工程師培養(yǎng)單位：機(jī)械與運載工程學(xué)院專業(yè)名稱：車輛工程論文提交日期：2018年4月20日論文答辯日期：2018年5月20日答辯委員會
2、主席：馮凱教授DetectionofDriverDrowsinessBasedonConvolutionalNeuralNetworkbyZhangZhitengB.E.(ChangShaUniversityofScienceandTechnology)2013AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinAutomobileEngineeringintheGraduateSchoolofHunanUniversitySupervi
3、sorAssistantProfessorLIFanSeniorEngineerGAOHuiMay,2018學(xué)位論文原創(chuàng)性聲明和學(xué)位版權(quán)使用授權(quán)書湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名:日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)
4、部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密□,在______年解密后適用本授權(quán)書。2、不保密?。(請在以上相應(yīng)方框內(nèi)打“√”)作者簽名:日期:年月日導(dǎo)師簽名:日期:年月日I基于卷積神經(jīng)網(wǎng)絡(luò)的駕駛員疲勞檢測摘要隨著人民的生活水平不斷攀升，私家汽車已經(jīng)是越來越多的普及到人們的日常生活中，以及全國運輸行業(yè)高速發(fā)展也促進(jìn)了商用車數(shù)量的快速增長。汽車給人們的生活帶來了便利的同時，大量交通事故帶來的生命財產(chǎn)損失
5、不可估量。據(jù)交通事故統(tǒng)計數(shù)據(jù)顯示，大部分交通事故是由駕駛員疲勞駕駛引發(fā)的。因此，針對疲勞駕駛的相關(guān)研究一直備受監(jiān)管者和研究者的重視，也取得了很大的成果?，F(xiàn)在主流研究是通過攝像檢測人臉特征來判定疲勞狀態(tài)，然而該方法存在光照影響、實時性和準(zhǔn)確性權(quán)衡兩大主要問題。本文提出了一種能夠很好平衡準(zhǔn)確與實時性的駕駛員疲勞檢測算法，該方法對光照影響也有一定適應(yīng)性。本文提出的檢測方法結(jié)合多檢測算法，通過數(shù)字圖像圖處理、機(jī)器視覺技術(shù)逐步定位人臉區(qū)域、人臉區(qū)域，并提取駕駛員的眼部區(qū)域特征，通過卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對人眼狀態(tài)進(jìn)行精確識別，再由PERCLOS疲勞判定法和眨眼頻率相結(jié)合的疲勞判
6、定策略綜合進(jìn)行疲勞判定。論文所做的主要工作如下：1.在光照影響的環(huán)境下，綜合采用直方圖均衡化和參考白兩種數(shù)字圖像處理方法對暗光環(huán)境下采集的圖像進(jìn)行補(bǔ)光；選用中值濾波對圖像降噪，以及圖像灰度化等簡單數(shù)字圖像處理的方法進(jìn)行圖像預(yù)處理。圖像預(yù)處理提升了設(shè)備成像的可識別性，增強(qiáng)了對光照影響的適應(yīng)性，提升檢測系統(tǒng)的準(zhǔn)確性。2.采用Adaboost級聯(lián)算法快速鎖定人臉區(qū)域以排除大部分背景影響，初步定位使關(guān)鍵點檢測范圍減少了50%。人臉分類器是由Haar-like特征來訓(xùn)練的。3.采用集成回歸的方法訓(xùn)練人臉關(guān)鍵點檢測器，在上一步檢測人臉區(qū)域中精確定位人臉的68個關(guān)鍵點；在獲取
7、的關(guān)鍵點信息中，提取人眼定位信息，從而計算出人眼區(qū)域。通過EAR來判定睜閉眼狀態(tài)，并在視頻流中自動截取相應(yīng)睜眼、閉眼圖像存入相應(yīng)的分類數(shù)據(jù)集中。4.利用上一步采集到的訓(xùn)練數(shù)據(jù)，對比選擇訓(xùn)練符合本課題卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行人眼狀態(tài)識別模型。結(jié)合PERCLOS和眨眼頻率參數(shù)對駕駛員進(jìn)行實時疲勞檢測。本文在PyCharm開發(fā)環(huán)境，使用Python語言結(jié)合OpenCV機(jī)器視覺庫完成疲勞檢測各種算法的實現(xiàn)。用過在真實行車環(huán)境下，進(jìn)行了實車測試，結(jié)果表明算法能夠?qū)崟r運行，并能有效檢測駕駛員的疲勞狀態(tài)，檢測到疲勞時能夠發(fā)出疲勞預(yù)警。關(guān)鍵字:疲勞駕駛；卷積神經(jīng)網(wǎng)絡(luò)；Adaboo
8、st；人臉關(guān)鍵點檢測；P
