基于人脸特征识别的疲劳驾驶预警系统研究

摘要

本文在驾驶员人脸检测的基础上,主要研究了基于PCA(Primary Component Analysis)的方法在驾驶员疲劳检测中的应用. 在研究国内外基于机器视觉的驾驶员疲劳检测方法以及人脸检测和人脸识别方法的基础上,主要做了以下工作: (1)充分利用驾驶员的面部肤色特性来定位人脸区域,研究表明人脸的肤色在颜色空间中的分布相对比较集中,颜色信息在一定程度上可以将人脸与大部分背景分割开来,由于颜色信息计算速度快,过程简单,满足算法的实时性要求,同时,人脸的肤色特性对于人脸缩放,旋转等几何变化都是鲁棒性很好的.再利用特定驾驶员人脸结构特性来确定眼睛和嘴巴的范围. (2)研究在疲劳识别系统中必不可少的图像预处理技术:光照补偿法,二值化图像处理方法;研究了基于坐标投影的实时人脸检测算法在认证驾驶员脸部区域中的应用,为整个系统的快速性打下了很好的基础:研究了人眼和嘴巴在驾驶员脸中的位置,从而进一步提高了系统的实时性. (3)研究PCA在判别眼睛状态和嘴巴状态的应用,达到较好的效果.把眼睛和嘴巴的所有状态简化为三种状态:张开、半闭合和闭合,并根据这些状态之间的关系来检测眨眼和打哈欠,确定眨眼持续时间、眨眼频率等一系列与驾驶员疲劳有关联的参数,确定打哈欠持续时间、打哈欠频率等一系列与驾驶员疲劳驾驶有关的参数.

目录

文摘

英文文摘

论文说明：插图清单

独创性声明及学位论文版权使用授权书

致谢

第一章绪论

1.1引言

1.2疲劳预警系统概述以及研究意义

1.3国内外驾驶员疲劳预警系统的研究现状

1.4论文结构

第二章疲劳驾驶预警相关技术

2.1疲劳相关的车辆安全辅助驾驶技术

2.2几种常用的驾驶员疲劳预警系统

2.2.1头部位置传感器(Head Position Sensor)

2.2.2瞳孔测量计进行疲劳测量

2.2.3道路跟踪系统(Lane Tracking System)

2.2.4疲劳驾驶检测系统DDDS(the Drowsy Driver Detection System)

2.2.5方向盘监视装置

2.2.6其它疲劳测量方法

第三章实时人脸检测的研究

3.1颜色空间

3.1.1常用颜色空间

3.1.2 YCrCb颜色空间

3.2模式识别

3.3人脸检测

3.3.1单个图像中检测人脸

3.3.2基于肤色信息的人脸检测算法

3.3.3色彩空间的选择

3.3.4肤色模型的建立

3.3.5肤色相似度模型和二值化

3.3.6快速投影法人脸检测

3.4本章小结

第四章基于PCA的局部眼睛和局部嘴巴的识别

4.1 PCA与人脸识别

4.2图像的归一化

4.3改进的分块PCA的驾驶员疲劳识别

4.4分块PCA的驾驶员疲劳的实现

4.4.1驾驶员的人脸检测与预处理

4.4.2分块PCA的图像主分量提取

4.4.3局部人脸疲劳特征的匹配与判断

4.5眼睛眨眼检测

4.5.1眨眼

4.5.2眨眼持续时间

4.5.3眨眼周期、频率、疲劳度

4.5.4眨眼频率与疲劳度之间的联系

4.5.5眨眼检测结果

4.6嘴巴状态识别(打哈欠)

4.6.1嘴张开度识别

4.6.2打哈欠持续时间

4.6.3哈欠检测实例

4.7结束语

第五章基于分块PCA的驾驶员疲劳识别系统

5.1驾驶员疲劳识别系统框架

5.2疲劳检测的测试与实现

5.3小结

第六章结束语

6.1本文主要研究工作

6.2进一步的研究工作和展望

参考文献

研究生期间发表论文