基于面部行為分析的駕駛員疲勞檢測(cè)方法研究.pdf

《基于面部行為分析的駕駛員疲勞檢測(cè)方法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、確？４畫(huà)ＰｉｉｉＰＩ＾ｐ－論文題目＾氣：基于面部行為分析的駕駛員疲旁檢？—‘ｉｌ學(xué)科專(zhuān)業(yè)：電子科學(xué)與按術(shù)Ｉ＾＾ｐ．蘇靜靜齡圓ｔ！ｌ蟹藝；作者姓名：１＾；…￣指導(dǎo)藝ｌｉ－－２０１７０１１７完成日期．：；；Ｉ獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的，研究成果，除了文中特別加Ｗ標(biāo)注和致謝之處外論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得天津工業(yè)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料一同工作的同志對(duì)本研

2、究所做的任何貢獻(xiàn)均己在論文。與我中作了明確的說(shuō)明并表示了謝意。衣、＾學(xué)位論文作者簽名；《路簽字曰期２月７曰學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解天津工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)天津工業(yè)大學(xué)可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編Ｗ供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)。（保密的學(xué)位論文在解密后適用本授權(quán)說(shuō)明）：學(xué)位論文作者簽名：導(dǎo)師簽名媒東屯簽字日期：年夫月日簽

3、字日期：年又月日＾學(xué)位論文的主要?jiǎng)?chuàng)新點(diǎn)￣一、提出種快速準(zhǔn)確的眼部和嘴部區(qū)域檢測(cè)方法，結(jié)合基于ＡｄａＢｏｏｓｔ人臉檢測(cè)算法、ＫＣＦ跟蹤算法及基于級(jí)聯(lián)回歸的人臉特征點(diǎn)檢測(cè)方法，根據(jù)面部特征點(diǎn)獲取眼部和嘴部區(qū)域。二、在面部關(guān)鍵區(qū)域提取的基礎(chǔ)上，提出了結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的眼睛和嘴部狀態(tài)識(shí)別算法，提商了狀態(tài)識(shí)別的準(zhǔn)確率。摘要近年來(lái)交通事故頻發(fā)，給國(guó)家和個(gè)人帶來(lái)了嚴(yán)重的財(cái)產(chǎn)損失。研究表明，疲一己經(jīng)引起許多國(guó)家和政府的重視勞駕駛是目前引發(fā)交通事故的主要原因之，，因此準(zhǔn)確快速的駕駛員疲勞

4、檢測(cè)的研巧具有重要的意義?；跈C(jī)器視覺(jué)的檢測(cè)方法心處其非接觸性一、實(shí)時(shí)性等優(yōu)點(diǎn)，成為駕駛員疲勞檢測(cè)的個(gè)重要方法。眼睛和嘴部等狀態(tài)的檢測(cè)是疲勞檢測(cè)方法中的重要步驟，但是墨鏡遮擋及光照變化會(huì)對(duì)其產(chǎn)生影響。針對(duì)Ｗ上問(wèn)題，本文使用紅外采集設(shè)備對(duì)駕駛員面部圖像進(jìn)行采集一，提出種基于面部行為分析的駕駛員疲勞檢測(cè)方法，其中主要研究內(nèi)容包含人臉檢測(cè)及跟蹤、眼睛和嘴部區(qū)域檢測(cè)、面部狀態(tài)識(shí)別及疲勞檢測(cè)等。首先，通過(guò)基于ＡｄａＢｏｏｓｔ的檢測(cè)檢測(cè)算法進(jìn)行駕駛員面部檢測(cè)，為了提高檢測(cè)速度及準(zhǔn)確率，本文結(jié)合

5、基于ＫＣＦ（ＫｅｍｅｌｉｚｅｄＣｏｒｒｅｌａｔｉｏｎＦｉｌｔｅｒ）的跟蹤算法，，對(duì)檢測(cè)到的人臉區(qū)域進(jìn)行快速跟蹤通過(guò)級(jí)聯(lián)回歸的方法定位面部關(guān)；其次鍵點(diǎn)，，ｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌ根據(jù)關(guān)鍵點(diǎn)位置提取眼睛和嘴部區(qū)域；最后采用ＣＮＮ（ＣＮｅｔｗｏｒｋ網(wǎng)絡(luò)模型對(duì)提取出的眼睛和嘴部區(qū)域進(jìn)行狀態(tài)識(shí)別，得到眼睛和嘴部）狀態(tài)后，計(jì)算ＰＥＲＣＬＯＳ（ＰｅｒｃｅｎｔａｇｅｏｆＥｙｅｌｉｄＣｌｏｓｕｒｅＯｖｅｒ化ｅＰｕｐｉｌＯｖｅｒＴｉｍｅ）、眨眼頻率及打哈欠參數(shù)等，通過(guò)結(jié)合

6、多個(gè)疲勞參數(shù)對(duì)駕駛員的疲勞狀態(tài)進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該方法在佩戴墨鏡情況下能夠更準(zhǔn)確的檢測(cè)眼睛和嘴部狀態(tài)，進(jìn)而得到更準(zhǔn)確的疲勞參數(shù)，。與僅采用ＰＥＲＣＬＯＳ參數(shù)的方法相比通過(guò)結(jié)合多個(gè)疲勞參數(shù)能夠得到更為準(zhǔn)確的結(jié)果。關(guān)鍵詞：人臉檢測(cè)；狀態(tài)識(shí)別；ＰＥＲＣＬＯＳ；疲勞檢測(cè)；ＣＮＮＡｂｓｔｒａｃｔＷｉｔｈｔｈｅｇｒｏｗｔｈｏｆｔｒａｆｉｃａｃｃｉｄｅｎｔｓ，ｔｈｉｓｈａｓｂｒｏｕｇｈｔｓｅｒｉｏｕｓｌｏ巧ｅｓ化ｔｈｅＳｔａｔｅａｎｄｐｅｒｓｏｎａｌｐｒ

7、ｏｐｅｒｔｙ．Ｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔｔｈｅｆａｔｉｇｕｅｄｒｉｖｉｎｇｉｓｏｎｅｏｆｔｈｅｍａｉｎｃａｕｓｅｓｏｆｔｒａｆｆｉｃａｃｃｉｄｅｎｔｓｃｅｎｔｍａｎｃｏｕｎｔｒｉｅｓａｌｒｅａｄｔｔｎｔｉｏｎｔｏ．Ｉｎｒｅｅａｒｓａａｅｙ，ｙｙｐｙｔｈｅｄｒｉｖｉｎｇｓａｆｅｔｙｐｒｏｂｌｅｍｓ．Ｄｒｉｖｅｒｆａｔｉｇｕｅｄｅｔｅｃｔｉｏｎｉｒｅｓｅａｒｃｈｈａｓ化ｅｖｉｔａｌｎ－ｓｉｉｆｉｃａｎｃｅＦａｔｉｕｅｔｅｃｔｉ

8、ｏ打ｍｅｔｈｏｄｓｂａｓｅｄ０打ｃｏｍｕｔｅｒｖｉｓｉｏ打ｉｓｎｏｎｉｎｔｒｕｓｉｖｅｇ．ｇｄｅｐａｎｄｒｅａｌ－ｔｉｍｅ．Ｔｈｅｓｔａｔｅｒｅｃｏｎｉｔｉｏｎｏｆｅｅａｎｄｍｏｕｔｈｉｓｔｈｅｋｅｉｓｓｕｅｆｏｒｆａｔｉｕｅｄｅｔｅｃｔｉｏｎｂｕｔｇｙｙｇ，ｉｔｗｏｕｌｄｂｅａｆｅｃｔｅｄｂｙｃｈａｎｉｎｏｆｉｌｌｕｍｉｎａｔｉｏ