基于面部视频的疲劳状态分析与理解

《基于面部视频的疲劳状态分析与理解》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京工业大学博士学位论文基于面部视频的疲劳状态分析与理解姓名：范晓申请学位级别：博士专业：计算机应用技术指导教师：尹宝才20090301北京工业大学工学博士学位论文下不满足这样的条件，或者比较难于判定多个视觉线索是否条件独立，因此论文进一步考虑利用LinearDiscriminantAnalysis(LDA)融合眼部、嘴部和脸部的视觉线索来判别疲劳。试验结果显示BNs和LDA融合的方法较单个的视觉线索都获得了更加鲁棒、可靠和准确的疲劳指标。(3)在基于视频图像序列的疲劳分析中。为了表现疲劳的动态特性，提出了两种面部动态疲劳特征。疲劳表现出的动态信息是疲劳最本质、最重

2、要的信息。为了表现驾驶员疲劳的动态特性，论文从面部图像序列中提取了两种动态疲劳特征进行分析。考虑到单个面部图像具有较高的维数，图像序列的维数会增加更多。因此要提取图像序列的特征，首先要得到单个图像的低维表示。论文采用PrincipalComponentAnalysis(PCA)方法获得图像序列中每个图像的低维表示，在面部图像序列的低维表示的基础上通过组合、编码等操作获得面部疲劳的动态特征。试验结果显示论文提出的动态特征较对比的静态特征取得了更好的识别效果。(4)在基于面部视频图像序列的疲劳分析中，为了表示疲劳的多尺度特性，提出了两类面部多尺度动态疲劳特征：多尺度的动

3、态LBP特征、多尺度的动态Gabor特征。疲劳时不同的面部表现具有不同的尺度，疲劳分析的现有研究中还没有关注疲劳的多尺度特性。为了表现驾驶员面部疲劳动态和多尺度的特性，论文提出了一种疲劳的面部多尺度动态LBP特征。这种特征对原始的LBP进行了两个方面的扩展：利用Gabor小波处理，对LBP进行多尺度上的扩展：通过构建动态单元对LBP进行动态上的扩展。进一步，论文基于Gabor小波和特征融合从面部图像序列中提取了两种面部多尺度动态Gabor特征用于检测疲劳。这两种特征在提取的过程中不仅考虑了疲劳的动态、多尺度的特性，而且在对特征处理的过程中考虑了原始的疲劳特征在方向上

4、的关系特性。对面部视频图像序列中的疲劳，两类面部多尺度动态特征均取得了令人满意的识别性能。进一步的研究需要在面部动态特征的提取和多个特征的融合理解方面做出努力，还可以将相关算法推广到基于视频的面部表情识别中。关键词疲劳；局部二值模式：特征融合；多尺度；动态特征ⅡAbstractDriverfatiguehasbecomeanimportantreasonformanytrafficaccidents．DriverfatiguedetectingisallimportantcontentofHCI(Human-ComputerInteraction)andCV(Com

5、puterVision)research。Theaimoffacialvideosbasedhumanfatigueanalysisandrecognitionistomakecomputershavetheabilitytoanalyzeandrecognizehumanfatigueinsomesense．Mostoftheexistingfatiguerecognitionmethodsarespatialapproaches，andvisualfeaturesobtainedfromasinglefaceimageareusedforclassificati

6、on．Spatialapproachesdonotmodelthedynamicsoffatigue，andanalyzeimagesonebyonewithouttemporalinformation．Wesummarizetherelevantliteraturessufficiently,andthenproposenovelideasonfacialvideosbasedfatigueanalysisandshowtheexcitingexperimentalresults．Themaincontributionsandinnovationsoftheres

7、earcharelistedasfollows：(1)Infaceimagebasedfatigueanalysis，threenewapproachesareproposedfor；，treemainfatiguevisualbehaviorsrespectively．Eyeclosed，yawningandtheappearanceofthewholefacearethemostimportantbehaviors．Newapproachesareproposedregardingofthetraitsofthesebehaviors．Geometricfe