基于KFEP算法的駕駛員疲勞狀態(tài)檢測方法研究.pdf_第1頁
已閱讀1頁,還剩72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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、伴隨我國經(jīng)濟實力的增長和公路交通的不斷發(fā)展,汽車總量和駕駛員人數(shù)也隨之增多,這也導致了潛在的交通安全問題隨之與日俱增。疲勞駕駛是導致交通事故的重要原因之一。所以,對駕駛員進行疲勞狀態(tài)的實時檢測,并在檢測到疲勞時對駕駛員進行預警,敦促其盡快結束疲勞駕駛行為。這對減少因疲勞駕駛而導致的交通事故、保障駕駛員及他人的人身財產(chǎn)安全具有極其重要的意義。
  在各類疲勞狀態(tài)檢測方法中,PERCLOS算法是根據(jù)駕駛員眼睛閉合時間的比率進行疲勞狀態(tài)

2、判定,與駕駛員的疲勞相關程度極高,但同時也存在一定的限制因素和缺陷。本文對基于PERCLOS算法疲勞狀態(tài)檢測方法進行相關研究與改進,主要工作及成果如下:
 ?。?)針對駕駛員的差異化眨眼頻率導致原始的PERCLOS算法疲勞判定閾值難以選取的問題,本文采用濾波方法解決。在綜合分析比較多種濾波算法后,考慮使用卡爾曼濾波算法以濾除駕駛員非疲勞狀態(tài)下眨眼動作的影響。研究并提出卡爾曼濾波增強的PERCLOS算法(KFEP),實現(xiàn)對疲勞狀態(tài)檢

3、測方法的改進。
 ?。?)本文采用層次化的處理方法實現(xiàn)疲勞特征值的提取。首先使用基于類Haar特征的Adaboost算法對人臉進行檢測與定位。其次根據(jù)人眼的固有位置對人眼區(qū)域進行粗定位。然后對比分析多種二值化圖像分割方法,結合人眼區(qū)域的特征,提出二分局部均值聚類(BisectingLocal Means Clustering)方法用于人眼圖像的二值分割,并進行人眼的精確定位。最后,通過得到的人眼二值圖像,計算規(guī)格化的上下眼瞼最大高

4、度差值,從而得到所需疲勞特征值。
 ?。?)通過仿真實驗的方式,分兩步對本文研究內(nèi)容進行了實現(xiàn)和檢驗。首先對疲勞特征值提取方法進行最優(yōu)參數(shù)選取及仿真實驗。該實驗結果證明了本文所研究疲勞特征值提取方法的有效性。然后,基于疲勞特征值提取方法,對卡爾曼濾波參數(shù)進行最優(yōu)選取,并比較分析了濾波前后對 PERCLOS算法的影響。該實驗結果證明本文所研究的基于卡爾曼濾波增強的PERCLOS算法克服了原始的PERCLOS算法缺陷,能夠更好的實現(xiàn)疲

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(nèi)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(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)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