基于模糊融合的驾驶员眼睛状态识别

提出了一种基于模糊融合的驾驶员眼睛状态识别方法,利用多特征融合来判断眼睛状态,从而克服只利用单一特征识别的不完善、不准确以及不确定性等缺点。实验结果表明利用多特征融合方法的识别率明显高于只利用单一特征的识别率。     

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。     

驾驶疲劳的眼睛状态检测算法

驾驶员疲劳状态的监控中,眼睛的状态检测是关键环节。在对眼睛进行定位的同时计算眼睛的状态,并采用kalman滤波方法对人眼进行预测和跟踪。实验证明该算法能有效和准确地检测到眼睛的位置和状态,同时算法需要的处理时间较少,可满足实时性的要求。     

驾驶员疲劳状态检测仿真研究

研究驾驶员疲劳状态的准确检测问题,针对传统检测算法要求数据量大、计算复杂等缺陷,以提高驾驶员疲劳状态识别正确率为目标,提出一种支持向量机的驾驶员疲劳状态检测方法。首先采用传感器对方向盘转角和道路偏移值进行采集,然后进行离散化处理,最后输入到支持向量机进行学习,建立驾驶员疲劳状态检测模型。实验结果表明,方法能够很好的克服传统检测算法存在的缺陷,提高了驾驶员疲劳状态检测正确率,能够满足驾驶疲劳检测要求。     

一种基于Gabor小波的驾驶员眼部状态识别方法的研究

近年来，由于驾驶员疲劳驾驶导致的交通事故逐年递增，所以有必要规范驾驶员的行为．由于驾驶员的疲劳状态可由眼睛状态表达出来，为了对眼睛状态进行有效监测，介绍了一种在车辆上安装CCD监测驾驶员行为的新方法，并介绍了一种采用计算机视觉对驾驶员的眼睛状态进行识别的技术方法．该方法是根据驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶3种状态下的眼睛张开程度有一定的区别的这一特点，提出的一种利用Gabor小波提取眼角处的纹理走向特征值，并将由所有特征值组成的特征矢量作为三层神经网络的输入，以输出对应3种不同精神状态的眼部状态的识别方法．试验结果表明，该网络可快速有效地识别出驾驶员眼部状态．     

基于ICA和HMM的疲劳驾驶眼部状态识别算法

汽车司机疲劳驾驶是引发交通事故的一个重要原因。驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶3种状态下的眼睛张开程度有一定的区别。提出了一种ICA结合隐马尔可夫模型(HMM)识别眼部状态的识别算法,首先对彩色图像进行二值化处理,然后利用ICA算法进行眼部状态特征提取,为了加快特征提取的速度,这里采用FastICA算法;然后通过HMM进行眼部状态识别。实验结果表明,该算法可快速有效地识别出驾驶员眼部状态。     

基于PERCLOS的驾驶员眼睛状态检测方法

利用驾驶员眼睛的状态判断驾驶员的疲劳状况是一种实时的、非接触式的方法。首先对眼睛进行精确定位,再根据眼睛面积的减小程度来判断眼睛的睁开或闭合状态,进一步通过记录眼睛闭合的次数、眼睛持续闭合的时间来检测驾驶员是否处于疲劳状态。本文采用肤色分割、去除与边界连通的区域、逐步减小眼睛区域候选范围的方法来定位人眼,再计算眼睛区域的面积,眼睛闭合时间,此方法不受复杂背景影响,对各种肤色、各种姿态的人脸均适用。     

基于眼部识别的疲劳驾驶监测系统设计与实现

以硬件设备Jetson Nano和编程语言Python为基础,构建了基于面部识别的疲劳驾驶检测系统.基于OpenCV进行图像处理并使用NumPy进行n维数值的计算扩展;在采集司机的面部信息后使用68点分析方法,持续监测司机在驾驶过程是否出现以下疲劳行为:(1)持续闭眼现象;(2)连续打哈欠现象.若检测发现以上行为,则监...     

提取驾驶员面部特征的疲劳驾驶检测研究综述

疲劳驾驶是威胁驾驶员人身安全以及道路交通安全的主要因素之一。高效精准的疲劳驾驶检测方法可以有效地保障驾驶员及其周围交通安全,维护交通秩序,减少财产损失和人员伤亡。由于基于驾驶员生理特征和基于车辆行驶信息的疲劳驾驶检测方法具有对驾驶员不友好、影响因素较多等局限性,使得基于驾驶员面部特征的疲劳驾驶检测方法成为研究热点。首先简述了疲劳驾驶面部特征表现,总结了疲劳驾驶领域常用公开数据集的优缺点和应用场景;其次使用公开数据集,通过对比实验,分析研究了疲劳驾驶检测领域常用人脸检测算法的优势和不足;随后给出了基于驾驶员面部特征的疲劳驾驶检测方法流程,总结分析了流程中关键步骤所使用的方法和技术;另外归纳整理了疲劳驾驶领域常用的疲劳判别参数和疲劳驾驶结果预测方法;最后对全文进行总结,给出了基于驾驶员面部特征的疲劳驾驶检测方法目前所面临的挑战,并对未来研究进行了展望。     

基于眼睛和嘴巴状态的驾驶员疲劳检测算法

针对列车驾驶员疲劳检测问题,提出一种基于人眼和嘴巴状态的驾驶员疲劳检测算法。首先采用改进的AdaBoost算法精确定位驾驶员脸部区域。然后通过模板匹配定位人眼,并根据人脸的几何特征定位嘴巴。最后计算每一帧图像的PERCLOS(per-cent eyelid closure)参数和嘴部动作频率,统计单位时间内双参数与对应阈值的关系,作为判断驾驶疲劳的依据。实验结果表明,在正常光照下,综合眼睛和嘴部信息,比采用单参数检测算法减少了误判、漏判的概率,具有较高的准确性和鲁棒性。     

一种基于改进LBP算子的人脸识别算法研究

提出了一种基于改进LBP算子的人脸识别算法。局部二元模式（LBP）是一种灰度范围内的纹理描述方式,它从一种纹理局部近邻定义中衍生出来。然而,LBP算子本身还不够完善,在人脸识别的应用中还存在许多问题亟待解决。文章在此基础上,对其特征的组合方式等方面作了一些改进,并将改进后的LBP算子用于人脸识别。通过改进前后在YALE人脸库的实验比较,该方法在识别率上取得了较好的结果。     

基于图像特征的驾驶员疲劳状态检测算法研究磁

对驾驶员的疲劳状态进行有效地监控,有助于防止驾驶员因疲劳驾驶而引发的交通事故。论文通过分析人眼灰度和运动特征,提出一种新的度量人眼状态变化的差分特征。同时结合 PERCLOS 方法,给出采用“闭眼帧数”、“连续眨眼帧数”和“频繁眨眼帧数”三种疲劳判断准则相结合的方法,实现了驾驶员疲劳状态判断。     

基于遗传模糊分类的步态识别

提出基于遗传模糊分类的步态识别方法.采用新的特征提取方法,该方法将目标按人体结构特点划分为多个子区域,利用各个子区域的质心与头部质心形成的距离和夹角对步态特征进行描述.运用模糊聚类算法构建不同距离函数的分类器,并用遗传算法对分类器进行集成,组成的集成融合分类器对步态序列进行识别.实验结果表明该方法具有较高的识别性能.     

基于特征分布的图象信息抽取

为抽取实时图象中的有效信息，有别于传统的将整个特征域看做一个信源的特征筛选方法，将具有统计意义的特征区间看作一个信息源，计算其熵值，取熵值较小、且类间离散度较大、类内离散度较小的特征区间为有效特征域，每个模式都拥有自己的一组贡献值不等的有效特征域构成其专用特征空间。此算法的有效性在工业流水线上的工件识别系统中得到了较满意的验证。     

一种基于模糊理论的图像识别方法

文章针对模糊模式识别的原理,根据图像的特征,采用模糊理论,提出了一种图像的识别方法。研究结果表明:该方法具有简单、快速、有效的特点,从而拓宽了模糊模式识别的应用范围。     

基于模糊神经网络的火灾识别算法

火灾自动识别能够及时准确预报火情。在森林大空间的环境中,由于火灾信号具有非线性和不确定性,将采集的探测信号做简单的分析与比较,误报率比较高。如何融合几个传感器的信号进行有效地火灾识别是一个难点。为提高预测的准确性,针对传统的森林火情预测系统误报率高的缺点,提出一种基于模糊神经网络的火灾识别算法。首先,将模糊控制和神经网络以串联的方式结合,将采集的传感器信号进行处理后送入三层前馈BP网络进行处理,输出明火概率、阴燃火概率、无火概率,然后,将它们作为模糊控制系统的输入,模糊化后进行模糊推理,最后去模糊化得出火灾概率大小。并利用MATLAB工具箱对构建的算法模型进行仿真分析,仿真结果表明,本文的方法能够有效地融合多个火灾探测传感器的信号,快速而准确的判断出火情的大小,提高火灾识别的准确率,减少误报率。     

基于卡尔曼粒子滤波器的人眼跟踪

提出了一种基于卡尔曼粒子滤波器的人眼跟踪算法，该方法利用一种新的二维可变形模板来提取眼睛的精确特征，采用粒子滤波器跟踪人眼。为了进一步提高普通粒子滤波器跟踪的速度和精度，将卡尔曼滤波器引入粒子滤波器中，利用卡尔曼滤波器算法进行采样预测和校正，减少了人眼跟踪中所需的粒子数目，从而达到快速而准确的跟踪目的。最后，用上述方法进行了实验，验证了该方法的实用性和有效性。     

基于多分辨Fourier-Mellin变换的剪纸纹样识别算法

提出一种基于多分辨Fourier-Mellin的剪纸纹样识别算法。该算法先对剪纸纹样图像进行Fourier-Mellin变换,再对变换后的图像通过小波变换计算出各层方差和均值,得到剪纸纹样不同子带的特征值,应用支持向量机对剪纸纹样进行识别。实验证明,该方法不仅具有平移、旋转和尺度不变性,而且适用于有夸张艺术变形的剪纸纹样识别。     

基于神经网络的快速核子空间人脸识别算法研究

针对现有核子空间人脸识别算法计算量大且速度缓慢的现状,提出了一种基于神经网络的快速核子空间人脸识别算法模型,利用神经网络的隐含层神经元将核特征子空间的基表示进行约减,从而大幅提高了识别速度。进而基于KPCA和KFDA两种核子空间人脸识别算法,建立了神经网络逼近模型,并基于ORL、UMIST和YALE 3种人脸数据库进行了实证分析。实验结果表明,当隐含层神经元个数设置为训练样本总数一半或更少时,基于神经网络的快速核子空间算法能够取得相近甚至相当于核子空间算法的识别率。从而在满足一定识别正确率的条件下,能将识别时间缩短到50%甚至更低。     

基于模糊模式识别的车牌识别算法设计

介绍一种基于明暗度二值化的车牌模糊识别的算法.这种算法在车牌识别的使用可以有效避免因光照、车辆运动速度及车牌清晰度、光洁度而带来的误识别.介绍了这种算法的构建、实验平台、实验环境、实验处理结果,并对结果进行了讨论.