基于人臉識別的疲勞駕駛檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、疲勞駕駛,作為威脅駕駛員人生安全的高度威脅因素,一直都是研究者們想要客服和攻破的難題?，F(xiàn)有的疲勞駕駛檢測方法多以軟件與硬件的結(jié)合來進行判斷。由于駕駛員個體存在差異,疲勞駕駛與非疲勞駕駛的區(qū)別不甚明顯、沒有統(tǒng)一的判定疲勞駕駛的檢測規(guī)則,使得疲勞駕駛檢測的產(chǎn)品往往不盡如人意。需要與駕駛員有身體接觸的檢測方法會給他們帶來不舒適感,很多檢測的算法實時性差,這都導(dǎo)致了疲勞駕駛檢測的產(chǎn)品沒有一種能得到完全的推廣。到目前為止,在國還沒有任何的疲勞駕駛

2、檢測的成熟產(chǎn)品問世,研究仍然處于試驗階段,因此本文系統(tǒng)的研究與開發(fā)有重要的價值。
　　本文的基于人臉識別的疲勞駕駛檢測系統(tǒng)主要分為人臉識別以及疲勞駕駛檢測兩個部分。人臉識別部分所用的方法是以基于Deep Learning思想的棧式自動編碼神經(jīng)網(wǎng)絡(luò)來對人眼睜閉狀態(tài)以及人臉進行識別,然后以PERCLOS方法將識別出來的個體的眼睛睜閉狀態(tài)來判斷駕駛員是否是疲勞駕駛。主要的工作有以下幾點:
　　1)掌握了Deep Learning思

3、想框架下的理論基礎(chǔ)以及發(fā)展史,掌握了基于Deep Learning思想的棧式自動編碼算法的詳細(xì)計算過程。系統(tǒng)中所用以人臉識別的棧式自動編碼網(wǎng)絡(luò)包括四個隱藏層以及一個分類層。每個隱藏層的節(jié)點數(shù)均為255。它以5000個未手工標(biāo)記的人臉圖片為輸入,訓(xùn)練四個隱藏層的權(quán)值,該隱藏層能用來提取出人臉的特征。然后以500個手工標(biāo)記的訓(xùn)練集為輸入,提取出了標(biāo)記數(shù)據(jù)集中的人臉的特征,接著以這些特征為分類層的輸入,訓(xùn)練分類層的權(quán)值。最后對整個網(wǎng)絡(luò)進行微調(diào)

4、。
　　2)對于人臉識別算法到疲勞駕駛檢測算法的整個過程測試成功。測試集的大小為250個樣本,測試集中的圖片是有序排列的。將測試集輸入到訓(xùn)練成功的棧式自動編碼網(wǎng)絡(luò)能得到同一個人的人眼睜閉序列。接著使用 PERCLOS算法的計算,便可以得出該人是否為疲勞駕駛。
　　3)隱藏層的層數(shù)的選取以及每一層接點數(shù)的選取是經(jīng)過大量的實驗,在時間與性能上進行一個平衡的最優(yōu)的選擇。
　　4)完成了整個系統(tǒng)的編碼工作。該系統(tǒng)能對于輸入圖片