学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的驾驶人疲劳状态识别关键问题研究

作　者: 张伟
导　师: 成波
学　校: 清华大学
专　业: 机械工程
关键词: 疲劳驾驶机器视觉疲劳检测汽车安全驾驶辅助系统
分类号: U491.254
类　型: 博士论文
年　份: 2011年
下　载: 134次
引　用: 0次
阅　读: 论文下载

内容摘要

疲劳驾驶是造成交通事故的重要原因之一。基于机器视觉技术通过对驾驶人面部表情特征的分析可实现疲劳状态的有效估计。由于该方法具有非侵入、准确、实时的特点而成为疲劳驾驶在线辨识中最具潜力的技术手段。然而，受实际行车环境中光照条件的复杂性、驾驶人面部姿态的不确定性、疲劳表征的隐匿性、驾驶人的个体差异性等诸因素影响，高鲁棒、全天候的的驾驶人疲劳状态在线辨识仍存在众多技术瓶颈。本文围绕光照与姿态变化条件下眼部特征的定位提取、驾驶人姿态估计与校准、疲劳特征空间建模及疲劳模式推断等核心问题展开研究，开发了可适用于实际交通环境的疲劳驾驶实时辨识系统并进行了实验验证。论文深入分析了实际行车环境中光照条件、驾驶人姿态变化对眼睛定位算法适应性的影响，建立了基于层叠式形状模型和自商图局部纹理模型的主动形状模型算法，实现了眼睛局部邻域的有效分割和可靠跟踪。在此基础上，充分利用自商图、色度以及梯度的统计分布等光照不变特征，建立了光照不变量约束下的参数化模板算法，实现了眼睛轮廓的精确定位。另外，设计了采用偏振光照明的双光谱互补照明光路，有效解决了夜晚在辅助光源照明下眼镜片的反光问题。充分考虑了行车过程中驾驶环境的时域稳定性，提出了一种综合利用机器学习、在线自适应肤色建模、纯背景建模技术的面部区域分割算法，并通过对面部区域内角点的跟踪，基于外极线约束方程建立了驾驶人相对姿态角解算模型。同时，基于Candide模型实现了驾驶人头部的个体三维重建，并通过三维模型配准完成了驾驶人初始姿态角的确定。采用统计学方法分析论证了不同疲劳水平下眼睛动作参数差异的显著性，建立了基于眼睛动作特征的疲劳特征空间，并模拟人的认知过程，提出了在驾驶任务初期采用基于训练样本得到的先验知识对疲劳模式进行分类，并在自学习基础上基于贝叶斯置信网络对驾驶人疲劳状态进行推断的辨识方法。

全文目录

摘要  3-4
Abstract  4-6
目录  6-10
主要符号对照表  10-12
第1章绪论  12-31
  1.1 引言  12-14
  1.2 基于机器视觉的驾驶人疲劳检测方法研究现状  14-27
    1.2.1 驾驶人疲劳状态检测方法  14-16
    1.2.2 人脸检测及眼睛定位方法的研究现状  16-25
    1.2.3 疲劳特征空间建模与疲劳模式分类方法的研究现状  25-27
  1.3 目前研究中尚未解决的关键问题  27-29
  1.4 本文主要研究内容  29-31
第2章基于机器视觉的疲劳驾驶识别系统总体设计  31-39
  2.1 总体设计方案  31-36
  2.2 关键技术规划  36-39
第3章照明光学系统的设计  39-58
  3.1 方案设计  39-42
  3.2 偏振照明光路消除眼镜反光的作用原理  42-43
  3.3 消光作用的影响因素分析  43-54
    3.3.1 入射角、入射光振动方位角对反射光偏振态的影响  44-48
    3.3.2 光学镜片的折射率对反射光偏振态的影响  48-50
    3.3.3 镜面反射率的影响因素分析  50-52
    3.3.4 光源面积影响度分析  52-53
    3.3.5 系统参数的最优配置  53-54
  3.4 验证实验  54-57
    3.4.1 偏振照明方案的可行性验证  54-55
    3.4.2 姿态变化对消光作用的影响  55-56
    3.4.3 镜片折射率差异对消光作用的影响  56-57
  3.5 讨论及结论  57
  3.6 本章小结  57-58
第4章光照与姿态鲁棒的眼睛轮廓提取算法  58-98
  4.1 算法概述  58-59
  4.2 基于改进 ASM 算法的眼睛位置配准  59-72
    4.2.1 ASM 算法的基本思想  59-62
    4.2.2 ASM 算法在驾驶人眼睛位置配准中的局限性  62-63
    4.2.3 基于自商图的局部纹理建模  63-66
    4.2.4 层叠式形状模型的构建  66-71
    4.2.5 基于形状模型在线学习的个体化约束  71-72
  4.3 光照不变量约束下基于参数化模板的眼睛轮廓提取  72-91
    4.3.1 参数化模板的构造  73-75
    4.3.2 眼睛图像的表观特征及能量项规划  75-76
    4.3.3 虹膜能量项提取——基于自商图的阈值分割算法  76-77
    4.3.4 肤色能量项提取——基于色度空间的肤色分割算法  77-79
    4.3.5 眼睑能量项提取——基于梯度分布特征的点集分类算法  79-88
    4.3.6 能量函数构造及优化算法设计  88-91
  4.4 验证实验及结论  91-96
    4.4.1 自商图局部纹理模型的光照鲁棒性测试  91-92
    4.4.2 层叠式形状模型的姿态鲁棒性测试  92-93
    4.4.3 眼睛跟踪算法的性能评价  93-94
    4.4.4 眼睛轮廓检测精度测试  94-96
  4.5 本章小结  96-98
第5章驾驶人姿态估计与姿态校准  98-130
  5.1 姿态估计的方案设计  98-99
  5.2 面部区域内角点检测算法  99-109
    5.2.1 算法的提出  100-103
    5.2.2 基于纯背景建模的面部区域检测  103-104
    5.2.3 基于自适应肤色建模算法的面部区域确认  104-108
    5.2.4 面部区域内角点检测与遴选  108-109
  5.3 射影变换下驾驶人相对姿态角解算  109-114
    5.3.1 透视投影模型下图像坐标间的外极线约束  110-111
    5.3.2 基于本征矩阵的运动参数求解  111-114
  5.4 基于三维模型配准的驾驶人初始姿态角估计  114-120
    5.4.1 基于 Candide 模型的驾驶人头部三维重建  114-118
    5.4.2 配准测度函数的选择  118-119
    5.4.3 驾驶人初始姿态估计  119-120
  5.5 人脸姿态正则化  120-121
  5.6 验证实验及结论  121-128
    5.6.1 驾驶人面部区域检测算法性能评价  121-124
    5.6.2 驾驶人相对姿态角解算精度测试  124-126
    5.6.3 驾驶人初始姿态角估计精度测试  126-127
    5.6.4 人脸正则化的性能评价  127-128
  5.7 本章小结  128-130
第6章疲劳特征空间建模及分类器设计  130-170
  6.1 疲劳评价基准的建立  131-132
  6.2 基于眼睛动作特征的疲劳特征空间建模  132-137
  6.3 不同疲劳水平下判别参数差异显著性检验  137-150
    6.3.1 眼睑相关参数的方差分析及分类性能评价  137-146
    6.3.2 虹膜相关参数的方差分析及分类性能评价  146-150
  6.4 通用分类器设计  150-153
  6.5 疲劳特征的个体差异性论述  153-155
  6.6 基于贝叶斯网络的疲劳模式推断  155-168
    6.6.1 变异性特征的离散化  157-161
    6.6.2 疲劳辨识贝叶斯网的结构学习  161-163
    6.6.3 疲劳辨识贝叶斯网的参数学习  163-167
    6.6.4 疲劳模式推断  167-168
  6.7 本章小结  168-170
第7章系统软硬件平台及算法的实验验证  170-184
  7.1 视频评分方法的一致性检验  170-177
    7.1.1 视频评分软件设计  170-171
    7.1.2 一致性评价方法  171-174
    7.1.3 实验设计  174-175
    7.1.4 效度评价  175-176
    7.1.5 信度评价  176-177
  7.2 系统软硬件平台及实验方案设计  177-179
  7.3 实验结果与分析  179-183
    7.3.1 实验结果  179-182
    7.3.2 误识别的致因分析  182-183
  7.4 本章小结  183-184
第8章结论  184-187
参考文献  187-197
致谢  197-199
个人简历、在学期间发表的学术论文与研究成果  199-200

基于机器视觉的驾驶人疲劳状态识别关键问题研究

内容摘要

全文目录

相似论文