Print

基于改进ASM的多特征融合疲劳检测方法

论文摘要

为解决驾驶员在行驶过程中头部发生多角度变化导致难以定位面部特征的问题,应用改进的ASM算法精确定位眼睛和嘴部区域,计算眼睛的长宽比值、嘴部高度值和嘴部附近的黑白像素比值,得出眨眼频率和嘴巴张开程度,将眼部状态和嘴巴的张开程度作为模糊推理机的输入,得出三类疲劳水平,准确量化疲劳程度。实验结果表明,该非入侵式疲劳驾驶检测方法将经典ASM算法分类能力的结构误差降到了最小,该模糊推理系统对检测驾驶员疲劳程度和提高行车安全性方面是有效的。

论文目录

  • 0 引言
  • 1 人脸定位
  •   1.1 经典的ASM算法
  •   1.2 改进的ASM算法
  • 2 基于改进ASM算法的人脸疲劳检测
  •   2.1 人脸检测
  •   2.2 眨眼检测
  •     2.2.1 眨眼检测原理
  •     2.2.2 眨眼检测结果
  •     2.2.3 眨眼分类器的训练
  •     2.2.4 ASM算法与本文算法比较
  •   2.3 打哈欠检测
  •     2.3.1 打哈欠检测原理
  •     2.3.2 打哈欠检测结果
  • 3 基于模糊推理系统的疲劳判定
  •   3.1 模糊推理系统组成
  •   3.2 疲劳程度推理结果
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 陈鑫,李为相,李为,张文卿,朱元

    关键词: 疲劳检测,主动形状模型,眨眼检测,打哈欠检测,模糊推理系统

    来源: 计算机工程与设计 2019年11期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,计算机软件及计算机应用

    单位: 南京工业大学电气工程与控制科学学院

    基金: 江苏省",六大人才高峰",基金项目(XXR-012)

    分类号: U467;TP391.41

    DOI: 10.16208/j.issn1000-7024.2019.11.035

    页码: 3269-3275

    总页数: 7

    文件大小: 424K

    下载量: 186

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/0b5b4cef5d29bb81ff56c0d8.html