基于Adaboost的人脸检测和疲劳判断系统的研究与实现

摘要

目前许多行业对自动化的人体疲劳检测和判断有着广泛的应用需求，研究者们对此做了大量工作，提出了很多方法。其中基于计算机视觉的疲劳判断方法是以检测和识别人面部特征为依据来判断疲劳。该方法具有非接触的特点，不影响被测试人员的正常工作，而且能充分发挥计算机的高速运算的能力，是目前比较流行的方法。但是由于面部特征提取困难、个体疲劳特征差异大、没有统一的疲劳判断准则等，自动化的疲劳检测和判断仍然是一个极富挑战性的课题。
　　本文对人脸检测和疲劳判断准则等相关问题进行了研究和探讨，旨在构建一个具有判断准确率高、快速高效等特点的疲劳判断系统，并且能够应用在飞机场监控员的工作中。论文的主要工作体现在以下四个方面：
　　（1）研究了人脸检测理论和技术，本文使用Adaboost算法作为人脸检测的主要算法，给出了训练分类器的步骤和实现过程。针对该算法检测速度慢、误检率高的不足，提出了结合肤色模型和调整检测器来提高检测速度和准确率。实验证实改进后的方法性能明显高于Viola的检测方法。
　　（2）分析和比较了基于边缘检测的分割技术，使用Canny算子进行边缘检测，将眼睛和嘴巴区域分割出来；采用图像灰度积分投影的方法来检测眼睛的睁开和闭合两种状态，实验证明检测效果良好；提出了椭圆曲线拟合的方法来模拟和跟踪嘴巴的轮廓和外形，进而可以比较准确地判断出当前是否在打哈欠。
　　（3）讨论了疲劳判断相关的方法，其中PERCLOS方法使用单位时间内检测到的眼睛闭合时间所占的百分比来判断疲劳。本文针对其误检率高、判断依据单一等不足，提出了结合PERCLOS值和打哈欠的频率来形成新的判断准则。通过实验证实其检测的准确率得到很大提高。
　　（4）构建了一个基于人脸检测的自动疲劳判断系统。该系统可靠性高，在光照条件好的情况下，准确率可达91％，处理速度可达17帧/秒，可以满足实时性要求。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1-1 课题的背景和研究意义

§1-2 国内外研究现状

§1-3课题研究的主要内容及论文结构

第二章 人脸检测概述

§2-1 人脸检测的方法

§2-2 人脸检测系统的结构

§2-3 人脸检测方法的评测标准

§2-4 本章小结

第三章 Adaboost算法与人脸检测

§3-1 强分类器与弱分类器

§3-2 Haar特征

§3-3 积分图的概念及其计算

§3-4 Adaboost算法的实现过程

§3-5 改进的人脸检测算法

§3-6实验结果与分析

§3-7 本章小结

第四章 眼部和嘴部的状态识别

§4-1图像的预处理

§4-2边缘检测算法

§4-3眼部状态的识别

§4-4 嘴部状态的识别

§4-5 本章小结

第五章 疲劳判断

§5-1 疲劳判断概述

§5-2 基于PERCLOS的疲劳判断方法

§5-3 实验结果和分析

§5-4 改进的疲劳判断准则

§5-5 实验结果与分析

§5-6 疲劳检测系统的实现

§5-7 本章小结

第六章 总结与展望

§6-1 总结

§6-2 展望

参考文献

致谢