检索结果-南通市图书馆

基于视觉与脑电信息融合的驾驶员精神状态评估

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉与脑电信息融合的驾驶员精神状态评估

作者：周磊东北大学

学位级别：硕士

近年来,随着国家经济快速发展,拥有汽车的家庭日益增多,道路上机动车数量不断增长,频繁的交通事故已成为当今国家面临的主要问题。而在所有的重大交通事故中,疲劳驾驶是导致事故发生最重要的因素之一,因此对驾驶员精神状态评估方法的研... 详细信息

近年来,随着国家经济快速发展,拥有汽车的家庭日益增多,道路上机动车数量不断增长,频繁的交通事故已成为当今国家面临的主要问题。而在所有的重大交通事故中,疲劳驾驶是导致事故发生最重要的因素之一,因此对驾驶员精神状态评估方法的研究成为一个重大课题。本文在实验室搭建了模拟驾驶试验平台,设计严格实验数据采集规范,同时用视觉传感器和Emotiv Epoc装置采集人脸图像和脑电图,建立本文实验的数据库样本,并通过以下几个方面对驾驶员精神状态的检测进行研究。针对视觉信息,本文提出Adaboost算法和Haar特征检测人脸图像,生成卷积神经网络的样本库,设计卷积神经网络识别框架,并对其结构分析和参数优化。引入不同大小卷积核模型提取面部局部特征和全局特征,并通过设计1×1卷积核对网络进行降维,提高识别准确率和训练时间。并与传统手动提取特征方法和传统卷积神经网络模型进行对比,实验表明,本文设计的网络训练时有更少的能量损失,测试时有更高的识别准确率和更少的训练时间。针对脑电信息,首先通过模拟驾驶系统和Emotive Epoc脑电帽采集人的脑电信号,再通过巴特沃斯滤波器去除工频干扰,HHT变换去除脑电噪声,独立成分分析消除眼电干扰。通过离散小波变化和小波重构对节律波能量进行分析,提取出反应驾驶员精神状态脑电特征,输入到SVM分类器进行训练,建立分类模型识别出驾驶员的精神状态。实验结果表明,脑电信号是衡量人体行为状态的金标准,能够很好识别出驾驶员的精神状态。本文对多源信号融合方式进行分析,确定在决策层进行融合。分析了常用多源信号融合方法,选择D-S证据理论对视觉信号和脑电信号进行融合,并根据本文的任务特点,对概率分配函数和合成规则进行改进,建立视觉和脑电融合式的分类器。实验结果表明,通过信息融合的方法建立的分类器比单一信息分类器的识别效果更好。

关键词：人脸检测深度学习多尺度卷积模型脑电信号支持向量机疲劳检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视觉的眼动特征研究

基于视觉的眼动特征研究

作者：邓艳丽北京交通大学

学位级别：硕士

眼睛是我们最重要的特征之一,我们通过眼睛来获取外界信息。眼动特征研究在疲劳驾驶、认识视觉工作的原理、分析人的情感及行为、基于眼动的人机交互等问题上都发挥着关键作用。基于视觉的眼动特征技术具有易操作性、低损失、高准确度... 详细信息

眼睛是我们最重要的特征之一,我们通过眼睛来获取外界信息。眼动特征研究在疲劳驾驶、认识视觉工作的原理、分析人的情感及行为、基于眼动的人机交互等问题上都发挥着关键作用。基于视觉的眼动特征技术具有易操作性、低损失、高准确度等优势,目前是眼动研究的主要方向。在过去的几十年中,眼动特征研究虽然取得了显著的进步,但仍有很多不可控制的因素,影响检测结果。每个人的眼睛形状和大小都不同,眼睑遮挡眼睛的面积也不一样,位置和光照条件变化的不同,睫毛等噪声的干扰,都会直接影响到眼动特征研究的准确性,市面上单纯采集眼部数据设备价格非常昂贵且数量稀少,大部分的眼动特征研究都是建立在人脸检测的基础上,直接对眼睛进行检测和特征分析十分稀缺。鉴于这些问题,本文集中研究了眼睑和瞳孔两部分眼动特征。首先提出了一个基于ASM算法和Kalman滤波的人眼检测模型——AK-EYE模型,并应用该模型对实时眼睛形状和位置跟踪算法进行改进,提高眼睑匹配的速度和精度;然后,通过模板匹配技术来定位瞳孔,并专门采集眼部数据集进行验证实验;最后,结合眼动特征对疲劳检测方法进行实验分析。主要内容如下:(1)详细分析了相关的眼动特征研究方法的主要思想及其优缺点,在眼睑匹配和定位过程中,针对ASM算法中出现的匹配位置不准确的问题,提出了结合ASM算法和Kalman滤波的AK-EYE模型,并利用该模型对眼睑进行匹配。首先,按照特定标准选取合适的样本特征进行标定,建立眼睑形状模型,然后,对眼睑轮廓进行搜索匹配,预测和更新模型的初始位置,完成实时的眼睑定位跟踪,并分析实验结果,验证算法的有效性。(2)针对包含人脸的数据集和单纯眼部的数据集,选择合适的模板,利用模板匹配算法实现瞳孔的精确定位,并分别进行实验结果展示和分析。对不同的模板匹配算法性能进行比较,并将本文模板匹配算法在公共数据库上进行实验验证。(3)根据眼动特征研究得到的眼睑信息和瞳孔信息,建立疲劳预警系统。该疲劳预警系统使用眼睑特征信息和瞳孔特征信息作为疲劳状态的判断输入参数,并将这些眼动特征和PERCLOS测定原理结合,构建新的疲劳分析判断算法,判断疲劳状态。

关键词：眼动特征眼睑匹配瞳孔定位疲劳检测

复杂环境下驾驶员眼睛定位及眼睛状态识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂环境下驾驶员眼睛定位及眼睛状态识别算法研究

作者：刘军华南理工大学

学位级别：硕士

疲劳驾驶而引发的交通事故在道路交通安全事故中占了不可忽视的比重，各国研究人员都对如何监测驾驶员疲劳驾驶展开了大量的研究。目前，基于眼睛特征的检测方法被认为最有效、实时的、相关性最好的驾驶员疲劳状态评测方法，复杂环境下... 详细信息

疲劳驾驶而引发的交通事故在道路交通安全事故中占了不可忽视的比重，各国研究人员都对如何监测驾驶员疲劳驾驶展开了大量的研究。目前，基于眼睛特征的检测方法被认为最有效、实时的、相关性最好的驾驶员疲劳状态评测方法，复杂环境下的眼睛定位和眼睛状态识别是其中需要解决两个关键的技术。为了减少复杂光照的影响，同时满足夜间使用的要求，本文采用850nm主动LED光源和窄带滤光片相结合的图像采集系统。在此条件上，本文研究了复杂环境下驾驶员眼睛定位算法，建立了一个完整的近红外眼睛图像数据库，并提取能有效描述眼睛状态的特征，建立了复杂环境下近红外眼睛状态识别模型。本文的工作主要如下：（1）驾驶员眼睛定位需要定位睁眼和闭眼，同时受光照变化、戴眼镜遮挡、成像条件等因素的影响，使用单一的特征或定位方法不能保证定位的鲁棒性。因此，本文对基于Haar特征、团块检测、主动形状模型三种定位方法进行分析对比，并提出了一种基于Haar特征和团块检测相级联的定位方法。在近红外条件下，该方法能够定位睁闭眼睛两种情况，在不戴眼镜和戴眼镜睁眼的情况下精确度很高，也能解决大部分戴墨镜和戴眼镜睁闭眼的定位情况，同时计算复杂度不高，满足实时性要求。（2）在精确定位眼睛后，需要对眼睛状态进行判别，眼睛会因为周围环境的变化而发生形变，给眼睛状态识别带来了极大的挑战。本文构建了一个完整的近红外眼睛图像数据库用于训练和测试，该数据库包含38种不同的变化模式，共十万多幅样本图像，该数据库包含丰富的变化模式，方便研究人员对算法关键问题进行研究。（3）本文提出了一种基于HOG-LBP特征融合的近红外眼睛状态识别算法，HOG能很好地描述眼睑和瞳孔区域的梯度变化，LBP特征则能有效地提取眼睛的局部纹理特征，利用PCA方法对这两种特征进行降维，并融合为HOG-LBP特征，最后采用RBF的SVM建立眼睛状态判别模型。该算法在数据库中睁眼的平均准确率为95.73%，闭眼平均准确率为97.16%，在低处理平台完全能达到实时的要求。

关键词：疲劳检测近红外眼睛定位级联定位眼睛状态识别 HOG-LBP特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多维指标的空管服务过程质量管控研究

基于多维指标的空管服务过程质量管控研究

作者：任杰中国民用航空飞行学院

学位级别：硕士

科学评价空管中交通管制运行质量,是确定管制运行策略、从而改善管制运行状况,避免不安全事件发生的前提和关键所在。随着民用航空业的快速发展,空中交通管制系统面临的挑战也日益增多,如交通拥挤、管制负荷增加,管制难度提升等都会影... 详细信息

科学评价空管中交通管制运行质量,是确定管制运行策略、从而改善管制运行状况,避免不安全事件发生的前提和关键所在。随着民用航空业的快速发展,空中交通管制系统面临的挑战也日益增多,如交通拥挤、管制负荷增加,管制难度提升等都会影响到空中交通管制系统的运行质量,而运行质量又能反作用于航空活动能否安全、高效的开展。因此,研究空管服务过程的质量管控技术和方法是满足空管的实际需要、促进空管科学发展的有效途径,具有理论和现实意义。本文在分析了国内外关于空管服务过程质量评价的现状与进展后,集中对于三个方面展开讨论。首先在研究空管服务过程理论基础上,从人机环管四个方面结合实地调研、专家咨询、问卷调查等手段确定出运行经济、运行安全、运行效率、运行负荷四个维度方向上的运行质量进行评估确定。其次简要介绍了空管系统及整个运行过程,对空管QMS需求进行了分析;在理论研究的前提下,对运行经济建立了结合Fuzzy-ANP质量评估模型计算运行经济评估得分;其次建立空管安全质量指标体系,基于模糊灰元模型对运行安全进行质量评估;然后建立空管运行效率指标体系,运用主成分分析及层次聚类分析法简化指标后利用灰色聚类对运行效率完成评估,利用SPSS数据分析软件实现结果计算;最后基于现有的人脸识别技术,通过眼部和口部数据融合来对管制员的工作负荷进行判定,同时设计了基于人眼球闭合时间判断工作负荷的管制员负荷提示系统,防止因疲劳工作造成管制质量的降低。结果表明通过评估验证本文建立的多维指标体系和评估模型能较好满足空管服务过程的质量评估要求。

关键词：质量评估模糊灰元模型灰色聚类模型疲劳检测数据融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的疲劳驾驶智能预警技术研究

基于视频的疲劳驾驶智能预警技术研究

作者：朱玉斌中国矿业大学

学位级别：硕士

随着汽车保有量的不断上升,交通事故越来越成为威胁人身及财产安全的社会难题。现今,生活节奏的加快和人们睡眠时间的减少导致因疲劳和瞌睡而引发的交通事故数量正在逐年升级,通过对驾驶员的疲劳驾驶行为进行及时预警能够有效减少该类... 详细信息

随着汽车保有量的不断上升,交通事故越来越成为威胁人身及财产安全的社会难题。现今,生活节奏的加快和人们睡眠时间的减少导致因疲劳和瞌睡而引发的交通事故数量正在逐年升级,通过对驾驶员的疲劳驾驶行为进行及时预警能够有效减少该类交通事故的发生。本文利用计算机视觉技术分析驾驶员面部图像,研究实时的、准确的疲劳驾驶预警算法。该算法包含四个主要步骤,分别为人脸检测、人脸关键点定位、眼睛和嘴巴区域定位及状态识别、多参数融合疲劳检测。本文的主要工作内容如下:(1)针对Adaboost人脸检测算法检测速度慢的问题,提出了一种基于区域预判的人脸检测算法,先在整幅视频图像上检测人脸,然后在上一帧检测到的最大人脸图像的基础上扩大一定范围作为下一帧的检测区域。该算法去除了大量的背景区域,提升了人脸检测的速度。(2)在检测到的驾驶员面部图像上快速准确地定位人脸关键点。本文用标记有5个关键点的人脸图像训练基于集成回归树(Ensemble of Regression Trees,ERT)的人脸关键点检测模型并设计了具有不同结构的多个卷积神经网络(Convolution Neural Network,CNN)人脸关键点检测网络,分析了CNN不同部件的作用及其对检测结果的影响,最后通过实验选择合适本文的人脸关键点检测模型。(3)提出了一种基于宽度学习的眼睛和嘴巴状态识别方法。首先根据人脸关键点提取眼睛和嘴巴区域,然后分别将眼睛和嘴巴图像拉伸成一维向量作为宽度学习网络的输入,进行眼睛和嘴巴的状态识别。实验结果表明,该算法训练简单且识别准确率较高。(4)提出了一种基于宽度学习融合多疲劳参数时序序列的疲劳检测方法。首先判断一段时间内的眼睛状态,嘴巴状态和头部状态,然后将眼睛、嘴部和头部的时序状态序列进行组合作为衡量疲劳的参数,最后将面部状态序列送入宽度学习系统,判断驾驶员的状态。(5)实现了基于PC端的疲劳检测仿真系统以及基于树莓派的疲劳检测系统。实验结果表明,本文所提出的疲劳检测算法实时性和准确性较高,能够满足实际应用的需要。

关键词：疲劳检测人脸检测人脸关键点检测卷积神经网络宽度学习

基于在线学习视频内容的学生专注力判断模型的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于在线学习视频内容的学生专注力判断模型的研究与实现

作者：赵伊伊北京邮电大学

学位级别：硕士

在大力发展“互联网+”教育的背景下,在线教育逐渐走入大众视野,这种教育模式改变了传统的的课堂教学模式,打破了教学的空间和时间的限制壁垒,可以解放教师,培养学生自主学习能力,丰富教育资源。但是同时也带了一定的弊端,在线教育的师... 详细信息

在大力发展“互联网+”教育的背景下,在线教育逐渐走入大众视野,这种教育模式改变了传统的的课堂教学模式,打破了教学的空间和时间的限制壁垒,可以解放教师,培养学生自主学习能力,丰富教育资源。但是同时也带了一定的弊端,在线教育的师生时空分离导致学生课堂情感分析缺失的问题,教师无法实时与学生交互,无法及时获取学生的认知状态、课堂专注度以及课堂效果。所以在线课堂中学生的情感状态获取、如何改善等问题是当前亟待解决的,并且在情感状态中学生的专注度更是首要需要关注的重点,这直接代表了学生对课程的投入程度,对于实时反馈和课程评价都有着重要的意义。在线教育当中的情绪识别主要目的是实时对学习者的状态进行监控并进行反馈,但是人脸面部的动作表示是融合复杂且多变的,专注力识别有很大的难度。本文旨在通过深度学习网络对在线课堂中学生的表现进行评价,包括人脸检测、表情识别,研究学生课堂状态的划分以及专注力判断,并设计实现了基于视频内容的学生课堂专注力判断系统,对教学过程中学生的状态进行跟踪识别、反馈,以及课堂评价。主要研究内容如下:首先,对数据库的构建流程进行学习,制定详细的表情数据库构建方案,并基于该方案制成了以在线课堂为情境下的学生疲劳表情数据集。以学生群体为被测试对象,区别于现有的成人表情数据集,并且数据专注于疲劳表情收集,可以更好的迁移应用在课堂情感分析模型当中。其次,研究人脸检测与表情识别相关理论,通过对表情数据的分析,在表情识别过程采用MTCNN网络进行人脸检测,并对眼部嘴部特征点进行提取,然后通过对比实现几种典型的表情识别算法,采用CNN+RNN网络实现完整的疲劳表情检测模型。再次,本文将学生的课堂状态划分,设计一种多维度的课堂状态评价体系,实现课堂专注度的划分（正常、疲劳、离开）,并设计实现了基于视频内容的学生专注力识别判断系统。该系统融合了人脸检测与疲劳检测模型进行学生行为判断,并且通过调整获取图像速度、加入语音等方式提高算法实时性。最后,可在实验室环境下录制多名学习者在进行在线课程学习时的表情数据,验证系统的可行性。通过测试表明该方法可以较好的识别表情类别,满足在线教育的要求。

关键词：深度学习疲劳检测人脸识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

脑电波检测疲劳驾驶装置

电脑知识与技术 2021年第22期17卷 171-172页

作者：熊桑桑王庆兴安徽三联学院经济管理学院安徽合肥230000 电子电气学院安徽合肥230000

通过大数据的查询资料,我们发现国内外交通事故很大原因是疲劳驾驶。因此需要对疲劳驾驶进行检测,目前一般采用对驾驶员的行为分析或者对驾驶员脸部与眼睛特征进行图像分析,两种方式都不能准确地监测驾驶员的劳累状态。因此本文提出基... 详细信息

通过大数据的查询资料,我们发现国内外交通事故很大原因是疲劳驾驶。因此需要对疲劳驾驶进行检测,目前一般采用对驾驶员的行为分析或者对驾驶员脸部与眼睛特征进行图像分析,两种方式都不能准确地监测驾驶员的劳累状态。因此本文提出基于脑电波控制疲劳驾驶检测,该方法通过疲劳检测和疲劳消除两个方面对驾驶员在行车过程中出现的疲劳状态进行监控和干预。我们按照文中所阐述的方法进行了实际调试,可以有效地检测出驾驶员所处的疲劳状态。

关键词：脑电波疲劳驾驶疲劳检测预警器

基于人脸特征分析的哨兵疲劳警示系统的设计与实现

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于人脸特征分析的哨兵疲劳警示系统的设计与实现

作者：高峰湖南师范大学

学位级别：硕士

武警部队是国家武装力量的重要组成部分,肩负着保卫国家安全、维护社会稳定的光荣使命,武警哨兵的执勤工作则是保卫国家安全的重要保障。利用传统人工查勤的方法对哨兵执勤状态进行监督,无法精确地把握执勤质量和实时反馈重要信息。为... 详细信息

武警部队是国家武装力量的重要组成部分,肩负着保卫国家安全、维护社会稳定的光荣使命,武警哨兵的执勤工作则是保卫国家安全的重要保障。利用传统人工查勤的方法对哨兵执勤状态进行监督,无法精确地把握执勤质量和实时反馈重要信息。为了有效提高武警部队执勤质量,本文提出基于人脸特征分析的哨兵疲劳警示系统,该系统通过检测哨兵的脸部并进行特征分析判断哨兵在执行任务期间是否出现疲劳状态,若处于疲劳状态,则发出警报信息提醒哨兵集中注意力认真执勤,以更好地肩负起维护社会安全的责任和义务,有利于加速武警部队的智能化和信息化建设进程。本文是通过使用系统自动检测哨兵的状态来辅助人工查勤。在监测哨兵执勤的过程中,将视频图像按照每秒一帧的形式转化成图像,然后将这些图像传入到系统中,由系统自动分析,根据视频流中哨兵的单位时间内闭眼时间、头动幅度、眼睛的纵横比等特征进行建模,判别最终的结果。本文前期进行了详细的调研和需求分析,同时也咨询了相关专业研究人员进行需求评审,以保证需求与用户想法一致。接下来对多任务级联卷积神经网络(Multi-task Cascades Convolutional Networks,MT-CNN)算法的思想和原理进行了深入学习和研究,并将其应用到哨兵疲劳警示系统中,使系统能够同时进行人脸检测和对齐的任务,更精确的完成人脸特征点检测和定位。然后再根据检测出的特征点计算眼睛的纵横比、PERCLOS值等相关指标并对相关指标进行计算判断,检测哨兵的状态,交由系统的报警模块进行处理。最后实现基于人脸特征分析的哨兵疲劳警示系统。实验结果表明,本文所研究的系统能够实时检测哨兵的疲劳状态,并具有对武警部队岗哨的特定环境进行正确识别的特点。

关键词：疲劳检测神经网络深度学习 MT-CNN PERCLOS

基于眼部特征分析的驾驶员疲劳驾驶实时检算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于眼部特征分析的驾驶员疲劳驾驶实时检算法研究

作者：李耀华华南理工大学

学位级别：硕士

随着交通运输业的高速发展,交通事故的数量逐年上升,严重影响了人民生命财产的安全。其中疲劳驾驶是引起交通事故的一个重要诱因。相比超速和酒后驾车等违法犯罪行为,疲劳驾驶的鉴定和处罚都是较难解决的问题,因此疲劳驾驶的危害更大。... 详细信息

随着交通运输业的高速发展,交通事故的数量逐年上升,严重影响了人民生命财产的安全。其中疲劳驾驶是引起交通事故的一个重要诱因。相比超速和酒后驾车等违法犯罪行为,疲劳驾驶的鉴定和处罚都是较难解决的问题,因此疲劳驾驶的危害更大。为了减少因疲劳驾驶引发的事故,设计一种可以准确地对驾驶员疲劳状态进行检测并提出预警的疲劳驾驶检测系统成为当务之急。目前,驾驶员疲劳预警装置的研制工作是交通安全领域内的研究重点。从上世纪90年代开始,世界各国开始将研究重心转移到基于各种物理传感器的疲劳驾驶检测方法上。进入21世纪,随着计算机技术的发展和各种疲劳评价理论的不断提出,疲劳驾驶预警系统在实时性、鲁棒性和可靠度等方面都有了较大的改善和提高,但依然存在以下问题:1)受检测方法的限制,算法计算成本过高,难以实现实时检测;2)疲劳评价指标单一,难以对驾驶员疲劳状态进行准确的判定;3)检测设备成本过高,难以实现商品化,不利于推广。因此,非接触性高灵敏度的车载传感器的研制成为实现驾驶疲劳监测技术实用化和商品化的新途径。本文采用基于视频的检测手段,提取驾驶员眼部疲劳特征对驾驶员的疲劳状态进行评估和检测,主要由以下三部分构成:1)目标人脸检测。选择合适的学习算法进行目标的实时检测,并针对检测阶段出现的头部较大偏转或是面部被遮挡情况下不能检测到目标的问题,创新性地加入Camshift跟踪算法,保持对目标人脸的全程跟踪。2)疲劳特征提取。根据人脸“三庭五眼”的结构对眼睛ROI区域进行初略定位,在初略定位的基础上采用模板匹配的方法进行精确定位,最后利用图像增强和图像分割技术对眼睛的疲劳特征进行提取。3)疲劳状态的判定。本文在PERCLOS判据的基础上,引入眨眼时长将驾驶员疲劳状态分为三个等级,实现对疲劳驾驶更精确的检测。本文的疲劳检测系统通过VS2010平台和Open CV库实现,实验证明该系统具有较高的鲁棒性和实时性。此外,本文还对夜间的疲劳驾驶检测进行了相关研究,并取得了一定成果。

关键词：疲劳检测人脸检测 Adaboost Camshift跟踪 PERCLOS