2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65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、隨著汽車持有量的持續(xù)增加和公路級別的不斷提高,全世界的公路交通事故頻繁發(fā)生,交通安全問題日益嚴重。有關部門調查結果顯示,駕駛員疲勞駕駛是導致重大交通事故的主要原因之一。因此研究和設計一套準確、高效的駕駛員疲勞駕駛檢測系統(tǒng),及時地對駕駛員進行疲勞駕駛預警具有重要的意義和實用價值。
  基于面部特征狀態(tài)的疲勞檢測方法因其具有非接觸性、實時性好、準確性高等優(yōu)點,已經成為疲勞檢測的主流研究方向。本文結合吉林省教育廳“十二五”資助項目(編號

2、:2015097)、吉林省發(fā)改委資助項目(編號:2015Y067),在對國內外疲勞駕駛檢測技術進行了廣泛調研的基礎上,運用機器視覺、圖像處理、目標檢測及特征提取等技術對與疲勞有關的外在生理特征進行檢測和狀態(tài)分析,并依據(jù)相應疲勞判斷準則,建立了基于駕駛員面部特征的疲勞駕駛檢測系統(tǒng)。該檢測系統(tǒng)主要包括四個模塊:圖像捕捉模塊、圖像預處理模塊、特征檢測提取模塊和特征分類識別模塊。本文對其中特征檢測提取和特征分類識別模塊做了重點研究,主要包括駕駛

3、員人臉檢測、人臉跟蹤定位、面部特征檢測與狀態(tài)識別以及基于面部特征的疲勞狀態(tài)識別與分析。
  本文主要研究內容如下:
  首先,運用計算機、攝像頭、Visual Studio等軟硬件設備構建檢測系統(tǒng)平臺。在對采集的圖像進行預處理的基礎上,選擇MB-LBP特征作為分類特征,運用AdaBoost算法和級聯(lián)的方法訓練人臉分類器,根據(jù)得到分類器進行人臉檢測和定位,實現(xiàn)對駕駛員人臉區(qū)域的實時檢測。針對Camshift跟蹤算法的不足,提出

4、結合卡爾曼濾波器預測的Camshift跟蹤算法,實現(xiàn)對人臉區(qū)域的實時跟蹤;
  其次,使用梯度回歸樹算法,對已標定人臉特征點位置的樣本圖像進行訓練,得到人臉模型,使用該模型對檢測出的人臉進行眼睛和嘴巴特征定位。然后使用橢圓擬合算法,設置閾值判斷眼睛和嘴巴的狀態(tài),并依照相應疲勞判斷準則識別駕駛員的疲勞程度。
  最后,為驗證所提出的疲勞駕駛檢測算法的準確性,本文在本田家用轎車上進行了疲勞駕駛檢測試驗,通過安置在前擋風玻璃上的帶

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