基于機器視覺的駕駛員疲勞駕駛檢測方法研究.pdf_第1頁
已閱讀1頁,還剩131頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、道路交通事故一旦發(fā)生會給國家和人民的生命財產造成極大的損失。其中,駕駛員疲勞駕駛是引發(fā)惡性道路交通事故的最主要原因。因此,對駕駛員疲勞駕駛進行檢測和預警具有重大的學術、經(jīng)濟和社會意義。利用機器視覺技術,融合多個疲勞特征對疲勞駕駛進行綜合檢測,已成為世界范圍內的一個研究熱點。
   疲勞是一個非常復雜的生理現(xiàn)象,基于單一疲勞特征的疲勞駕駛檢測方法在檢測效果上存在著先天缺陷?;诙鄠€疲勞特征的疲勞駕駛檢測方法能夠克服單一疲勞特征檢測

2、方法的不足,具有檢測范圍廣、準確率高、可靠性強等優(yōu)勢。然而利用信息融合技術融合反映駕駛員疲勞的直接和間接疲勞特征對疲勞駕駛進行綜合檢測的研究還處于初步探索階段,有許多科學問題亟需解決。
   本文采用理論分析、計算機仿真和實車模擬實驗相結合的研究方法,對基于機器視覺的駕駛員疲勞駕駛融合檢測方法涉及到的4個關鍵性問題進行了研究,包括解決駕駛員臉部的快速檢測和準確定位問題,開發(fā)用于檢測疲勞駕駛的車道線實時檢測算法,對恰當選取的疲勞特

3、征參數(shù)進行有效計算并提出合理的疲勞度量化方法,提出基于多個疲勞特征的疲勞駕駛融合檢測方法。取得的創(chuàng)新性研究成果主要有:
   (1)針對基于單一特征駕駛員臉部檢測算法在檢測精度和可靠性方面的局限性,提出了多特征雙重匹配驗證的人臉檢測算法。首先采用改進的基于Haar-like特征的人臉檢測算法在整幅圖像上檢測出可能存在的初始人臉區(qū)域,然后自適應地擴大初始人臉區(qū)域范圍,并在此基礎上利用基于膚色特征的方法在YCbCr空間上進行臉部的二

4、次檢測,最后根據(jù)定義的臉部區(qū)域重合度和人臉幾何先驗知識對駕駛員臉部區(qū)域進行雙重匹配驗證進而制定相應的定位規(guī)則對臉部進行融合檢測。各種路況下的實驗結果證明了該算法的有效性。
   (2)針對高速公路車道線的特點,提出了改進的基于機器視覺的車道線實時檢測算法。利用直線車道線模型,采用基于Hough變換的車道線參數(shù)全局提取和基于最小二乘擬合的局部小窗口提取相協(xié)調的方法對車道線進行檢測。在圖像的預處理過程中,采用改進快速中值濾波算法、基

5、于梯度方向角直方圖和連通性分析相結合的濾波方法對車道線圖像進行濾波處理,提高了車道線檢測的準確率。根據(jù)當前幀圖像車道線的有效區(qū)域,利用Kalman濾波算法預測車道線感興趣小窗口的位置和大小,提高車道線實時檢測的效率。
   (3)在人臉檢測和車道線檢測的基礎上,通過選擇恰當?shù)钠谔卣鲄?shù),提出了相應的疲勞特征參數(shù)計算及疲勞度量化方法。利用機器視覺技術對頻繁眨眼、頻繁打呵欠和異常偏離車道3個疲勞特征參數(shù)進行檢測和提取。針對上述3個

6、疲勞特征參數(shù),通過駕駛仿真模擬實驗采用主、客觀量化相結合的方法對駕駛員的疲勞程度進行量化。利用統(tǒng)計分析方法,對疲勞特征參數(shù)及其對應的疲勞度之間的相關性進行分析,驗證所選疲勞特征參數(shù)的有效性。實驗結果表明,所選擇的3個疲勞特征參數(shù)能夠有效反映駕駛員的疲勞程度,且提出的疲勞特征檢測算法準確、可靠。
   (4)為提高基于單一特征檢測算法的準確率和可靠性,提出基于減法聚類和改進粒子群優(yōu)化TS模糊神經(jīng)網(wǎng)絡的疲勞駕駛融合檢測算法。該算法從

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論