驾驶员视觉注意力的检测方法研究

摘要

驾驶员疲劳驾驶以及视觉注意力不集中是导致交通事故频发的主要原因。因此，检测驾驶员的视觉注意力状态并准确地给予驾驶员警告就可以减少交通事故的发生。随着计算机视觉技术的不断发展，实时的检测、识别驾驶员眼睛、嘴巴等特征点，从而判别驾驶员的精神状态已经成为驾驶员疲劳监控以及视觉注意力检测的一个主要研究方向。 本文充分利用先进的计算机视觉技术检测驾驶员的面部特征，包括人脸的位置、眼睛、鼻尖以及嘴角的位置。在对驾驶员行为进行监控时，利用CCD摄像头获取驾驶员的一段连续视频图像，用快速、简单的算法对每幅图像中的眼睛、嘴角等特征点进行定位，综合每幅图像的特征点位置信息判断驾驶员的视觉注意力状态。 本文的主要工作为驾驶员视觉注意力的检测算法的研究。首先利用肤色检测算法确定第一帧基准图像中驾驶员的人脸位置，结合人脸特征点的几何关系确定鼻尖区域，并提出一种基于BP神经网络的SFS物体表面形状恢复的方法准确定位鼻尖位置；然后提出一种以鼻尖为基准点利用唇色检测和改进的水平Sobel边缘检测相结合的快速算法定位眼角和嘴角位置的方法；为了提高系统的处理速度，对后续的非基准图像，采用模板匹配算法直接定位眼角和嘴角位置；最后提出一种新颖的驾驶员视觉注意力状态的判决方法，根据判决规则得到每帧图像中驾驶员视觉注意力的状态值，并结合多帧图像的状态值综合判断出驾驶员注意力状态。实验结果表明，本文提出的检测算法快速、准确、可靠，具有很强的鲁棒性。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章绪论

1.1课题的研究背景及意义

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3本文研究内容及工作安排

第二章人脸检测

2.1人脸检测技术概述

2.1.1人脸检测的基本概念和分类

2.1.2人脸检测算法概述

2.2基于肤色模型的人脸检测算法

2.2.1颜色空间概述

2.2.2肤色模型

2.3约束条件

2.4驾驶员人脸定位

2.4.1驾驶员人脸定位算法的流程

2.4.2驾驶员人脸图像的提取

2.4.3驾驶员肤色检测

2.4.4驾驶员脸部的定位

第三章鼻尖特征点的定位

3.1朗伯(Lambert)表面反射模型

3.2 BP神经网络

3.2.1 BP神经网络的结构

3.2.2 BP神经网络算法的基本思想

3.2.3 BP神经网络的学习算法

3.2.4 BP神经网络算法的改进

3.2.5 BP神经网络的设计

3.3物体表面深度信息的提取方法

3.3.1 SFS问题的基本模型

3.3.2 SFS问题几种典型求解方法

3.3.3基于BP神经网络的SFS问题求解方法

3.4鼻尖特征点的定位

第四章眼睛和嘴唇特征点的定位与跟踪

4.1眼睛特征点定位

4.1.1眼睛特征点定位方法概述

4.1.2基于改进的边缘检测算法的眼睛特征点定位

4.2嘴唇特征点定位

4.2.1 YIQ颜色空间及唇色分布

4.2.2嘴角特征点的定位

4.3眼睛及嘴唇特征点的跟踪

4.3.1模板匹配法概述

4.3.2模板匹配的基本原理

4.3.3眼睛及嘴唇特征点的跟踪

第五章驾驶员视觉注意力的检测

5.1驾驶员视觉注意力检测系统的工作原理

5.2驾驶员视觉注意力状态检测系统的仿真实现

5.2.1仿真实验程序

5.2.2匹配模板的选择及匹配成功的判定

5.3实验结果及分析

第六章结束语

6.1总结

6.2未来工作的展望

参考文献

攻读硕士学位期间发表的论文