基于卷积神经网络的驾驶人疲劳检测算法研究

《基于卷积神经网络的驾驶人疲劳检测算法研究》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、工程硕士学位论文基于卷积神经网络的驾驶人疲劳检测算法研究作者姓名梁昭德工程领域交通运输工程校内指导教师游峰副教授校外指导教师谢曙光高级工程师所在学院土木与交通学院论文提交日期2018年4月StudyonFatigueDrivingDetectionAlgorithmBasedonConvolutionalNeuralNetworksADissertationSubmittedfortheDegreeofMasterCandidate：LiangZhaoDeSupervisor：Prof.YouFengSouthChinaUniversityofTechnologyGuangz

2、hou,China分类号：U491学校代号：10561学号：201521007602秘密★5年华南理工大学硕士学位论文基于卷积神经网络的驾驶人疲劳检测算法研究作者姓名：梁昭德指导教师姓名、职称：游峰副教授申请学位级别：工程硕士工程领域名称：交通运输工程论文形式：ꇶ产品研发ꇶ工程设计ꇶ应用研究ꇶ工程/项目管理ꇶ调研报告研究方向：疲劳驾驶，模式识别论文提交日期：2018年04月15日论文答辩日期：2018年06月01日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：谭云龙委员：靳文舟、温惠英、胡郁葱、游峰摘要随着交通业的高速发展，道路交通安全事故的数量也逐年上

3、升，在我国，疲劳驾驶导致的交通事故伤亡占总数的20%，重大事故的40%以上。除了加强管理，制定合理的疲劳驾驶管理制度外，研究驾驶人发生疲劳驾驶时的生理特征，并通过现代技术手段进行提前预警，可以在很大程度上减少或避免一部分交通事故的发生。国内外关于疲劳驾驶检测算法的研究主要分为基于行车数据、基于生理信号和基于视觉特征三大类，在准确率、运行速度、易用性等方面都有了较大的提高，但依然存在以下问题：1.基于行车数据的检测算法传感器布控复杂，可靠性和准确率不高；2.基于生理指标的检测算法需要昂贵设备，同时会影响司机正常的驾驶操作；3.基于机器视觉的检测算法在实际应用过程中对抗外界干扰的

4、鲁棒性不强，容易出现漏检错检等问题。本文在国内外疲劳驾驶相关研究的基础上，进行了基于卷积神经网络的驾驶人疲劳检测算法的研究，使用卷积神经网络代替传统的机器学习方法完成疲劳特征提取工作，与传统的疲劳检测算法相比具有更高的准确率和鲁棒性。论文的主要创新点如下：1)人脸姿态校正算法研究：在基于机器视觉的驾驶人疲劳检测算法的相关研究中，进行头部姿态校正的工作较少。而头部姿态变化正是户外驾驶环境下算法准确率下降的首要因素。在图像预处理阶段针对驾驶人人脸姿态变化的问题进行校正，将会大大提升后续基于卷积神经网络的特征提取模块的性能。本文在相关研究的基础上，设计了基于HOG算法、CLNF算法

5、和旋转变换算法的人脸姿态校正方案，实际应用效果较好。2)卷积神经网络技术研究：本文设计了一个10层的卷积神经网络，实现了驾驶人疲劳特征的提取与识别功能，合理地使用了Finetune技术复用了Openface网络的参数，将其迁移到新网络中完成训练，克服了疲劳驾驶样本库较小的困难，提高了算法的准确率和鲁棒性。3)疲劳状态的判别：传统基于瞳孔开度的疲劳检测算法由于使用单一特征进行疲劳判别，鲁棒性较差。本文基于PERCLOS准则中的P80标准完成疲劳驾驶样本集的构建，将眼睛闭合80%以上的人脸图像归为疲劳样本。这种方法能将PERCLOS准则应用到卷积神经网络的训练中，使其能在综合人脸

6、五官特征的基础上进行人脸疲劳状态识别，提高了算法的鲁棒性。关键词：疲劳检测；人脸特征点定位；卷积神经网络；Finetune；I AbstractWiththerapiddevelopmentofthetransportationindustry,trafficaccidentscausedbyfatiguedrivinghavealsoincreasedyearbyyear.Sincefatiguedrivingisonemajorcauseoftrafficaccidents,thestudyofwarningsystemthatcandetectfatiguedrivin

7、gcanhelptoreducetheoccurrenceoftrafficaccidents.Nowadays,theresearchsaboutfatiguedrivingdetectionalgorithmsmostlyfocusonthreekindofmethod.Theyarethetechnologybasedondrivingdata、thetechnologybasedonhumanphysicaldataandthetechnologybasedoncomputervision.Ho