论文部分内容阅读
汽车作为日常生活中越发受欢迎的交通工具,方便了我们的生产生活。随着汽车的增加,由此引发的交通事故也逐渐增加,而疲劳驾驶诱发的占事故总和的20%以上。据不完全统计,每个司机都经历过疲劳驾驶。在今年新冠疫情的特殊期间,国家更提倡自驾出行以避免交叉感染,所以警惕疲劳驾驶,注意行车安全尤为重要。本文设计了一套疲劳驾驶检测系统,搭载ARM核心板、红外摄像头及高分贝扬声器等硬件设备,能有效地、实时地检测驾驶员是否疲劳,并进行报警。本系统将摄像头采集到的多个面部特征进行融合,得到判别结果,并将其应用到实际。具体研究内容如下:(1)疲劳驾驶检测系统的设计。根据需求分析,制定出疲劳驾驶检测系统的设计方案和具体技术路线,将系统分为视频采集、面部检测及定位、特征提取、建模识别及声音报警五个模块。(2)人脸检测及定位。采用能适应各种环境的MTCNN人脸检测算法,由P-Net、R-Net和O-Net三层子网络级联而成,同步完成边框回归和面部关键点粗定位。使用级联回归的ERT算法实现面部68个特征点定位。(3)面部疲劳表情识别。提出了一种CNN+LSTM动态疲劳表情识别模型。本模型采用CNN来提取单帧面部图像的空间特征,然后输入到LSTM循环神经网络提取每一帧图像的时序特征,最后由softmax分类输出结果。(4)面部特征提取。提取了面部疲劳时比较明显的6个特征:面部疲劳表情频率FFE、最大疲劳表情持续时间MDFE、PERCLOS、眨眼频率BF、哈欠频率YF、点头频率NF。比较了PERCLOS、BF、YF、NF四个特征在疲劳与非疲劳状态下的差异。(5)疲劳建模识别。设计了两种模型,每一种模型都先通过SVM训练求出各个特征的基本概率分配,然后按照D-S证据组合规则进行融合得到结果。分析并比较了两种模型得不同结果的原因。(6)系统测试。经过测试,本系统对于驾驶室内光线的亮暗、驾驶员头部偏转、面部遮挡等,都能正常工作。对疲劳驾驶的检测具有较高的识别准确率和实时性。有助于减少交通事故的发生。