欢迎来到天天文库
浏览记录
ID:37472468
大小:5.81 MB
页数:43页
时间:2019-05-24
《基于视频的驾驶员疲劳状态检测研究》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、摘要题目:基于视频的驾驶员疲劳状态检测研究学科名称:信号与信息处理作者姓名:刘刚签名:导师姓名:胡涛(教授)签名:答辩时间:2006.3摘要汽车司机疲劳驾驶是引发交通事故的一个重要原因,许多国家正积极进行疲劳状态检测系统的研究开发工作。本文根据疲劳的生理特征研究结果,采用计算机视觉和图像处理的方法检测眼睛的状态变化,在不影响司机驾驶的情况下判断司机的疲劳程度,设计实现了驾驶员疲劳状态检测系统。首先拍摄得到不同驾驶员在多种光照环境和精神状态下的视频文件,利用DirectShow技术得到指定的帧图像;接着在脸部定位中,通过复合肤色模型、形态学和区域生长运算检测和定位人脸;在人眼定位
2、中,通过自适应边缘检测、图像增强等方法处理得到眼部特征图像,做形态学运算和区域生长,经特征区域筛选,依据人脸先验知识匹配得到最佳人眼对;对眼部特征图像做形态学、填充亮点、垂直投影、平滑等处理,提取眼部特征向量,结合LVQ神经网络进行模式识别检测眼睛的开闭状态;统计连续多帧人眼状态,依据PERCLOS准则,判断驾驶员是否处于疲劳状态,给出警示信号。经实验表明,系统能够实时准确地定位人眼及检测眼睛的开闭状态,从而有效地检测驾驶员的疲劳程度。关键词:自适应边缘检测,特征区域匹配,眼部特征向量,LVQ网络,PERCLOS。1西安理工大学硕士学位论文Subject:RESEARCHOFD
3、RIVER’SFATIGUESTATEDETECTIONBASEDONVIDEOSpecialty:SignalandinformationprocessingAuthor:LiuGangSignature:Instructor:Professor.HuTaoSignature:Date:2006.3AbstractDrivingincaseofdrowseisamostimportantfactoroftrafficaccidents.Nowmanycountriesareactiveinstudyingdrowsymonitor.Thisarticledesignandim
4、plementsasetofdriverfatiguedetectionsystem.Accordingtothestudyofphysiologicalchangesaboutthefatigue,thesystemcandetecteyestatesbymeansofmachineversionandimageprocessinganalysis,thusdetectsthedegreeoffatiguenotaffectingthedriver.Atfirst,capturecolorvideoofdriversindifferentstatesandenvironmen
5、ts,getspecifiedframeimagebyDirectShow.Thenlocatedriver’sfacebymixingskinmodel,morphologyandregionalgrowth.Analysisedgeandgrayinformationtosearchpossibleeyeregions,usingexperientialknowledgetopickupapairofcharacteristicregionswhicharebestmatch.Processeseye’scharacteristicimageswithmorphologic
6、aloperation,verticalprojection,smoothdisposal,etc.Distilleye’scharactervector,whichareprocessedbyLVQnetworktodeterminetheeyestates.Processingcontinuousimages,statisticsstatesbasedonPERCLOScriterion,tojudgewhetherthedriverareinfatigueandgiveanalarm.Manytestsshowthatthesystemcandetectblinkingt
7、imesandvisiblepupilareainrealtime.Soitcandetectthedegreeoffatigueefficaciously.Keywords:Self-adaptingedgedetection,Characteristicregionmatch,Eye’scharacteristicvector,LVQNetwork,PERCLOS.2目录目录1绪论......................................................
此文档下载收益归作者所有