司机疲劳驾驶实时检测系统设计

司机疲劳驾驶实时检测系统在实际应用中有很重要的意义.设计了一个利用图像分析的方法,通过测量PERCLOS指标值来进行疲劳判断的该类系统.系统首先对图像进行预处理,然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位,根据人脸特征,逐次进行人眼区域缩小;最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量.考虑到视频图像序列帧与帧之间的相关性,采用线性运动预测的方法对人眼进行跟踪,减少了系统的运算量.实验结果表明系统能实时、准确地反映司机的疲劳状态.     

驾驶员疲劳检测系统的研究

为了减少由于驾驶员疲劳驾驶引起的交通事故,提出驾驶员疲劳状态检测系统的方案。使用3×3中值滤波去除噪声和光照对图像的影响,通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测,在检测到的人脸区域,通过积分灰度投影和从粗到细改进的模板匹配方法对人眼进行准确定位;通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。     

基于面部多特征的驾驶员疲劳状态检测

鉴于传统的疲劳检测模型通过驾驶员单一疲劳特征检测具有局限性的问题,提出了一种新的驾驶员疲劳检测模型。首先使用改进的AdaBoost算法进行人脸检测,解决复杂光源和背景的影响,提高人脸检测效率。然后用LBF算法进行人眼检测,用三庭五眼法进行嘴部检测,通过人眼高宽比和像素比检测人眼闭合程度,通过嘴部高宽比和圆形度检测嘴部打哈欠状态,再综合眼部疲劳特征计算闭眼时间,利用打哈欠频率计算嘴部疲劳。最后综合上述疲劳特征检测驾驶员疲劳状态。实验表明该方法可有效检测驾驶员疲劳状态,满足疲劳检测系统对实时性、鲁棒性的要求。     

基于FPGA的结构光深度检测系统设计

为实现结构光深度检测系统的实时检测,简化结构光系统构架,降低系统成本,设计了基于现场可编程门阵列(FPGA)的结构光深度测量系统.将结构光图像处理算法进行了适应硬件的改动,利用硬件系统的流水线技术与并行运算技术,提高了系统的处理性能,提出了采用乒乓缓存结构、Box滤波与并行像素处理计算提高处理速度,保证了算法的实时性.实验表明:该系统能够实现深度探测功能,且运行速率远远优于软件处理,满足实时性要求.     

基于面部特征的学习状态的研究

针对现今网络在线自主学习过程中学习者与系统交互能力差导致无法调动学习者积极主动性等的问题,结合面部特征识别与图像识别技术,定义了注意力不集中、疲劳、学习、无人、多人和时间过长6种状态,利用摄像头实现了基于视频流实时采集学习者学习状态,并通过3个阶段分析学习者面部眼睛、嘴唇的特征以及各种环境特征,从而对计算机前无人、多人或者学习者出现注意力不集中、疲劳、学习时间过长等的状态时对学习者做出提醒、提供服务.实验结果表明,该方法可以快速检测学习者的实时状态,并提供主动服务,提高了人机交互性.     

基于FPGA的自适应阈值边缘检测系统设计

针对传统的Canny边缘检测算法的阈值需要人为外部设定并且实时性差等问题,提出了一种改进的利用中值滤波算法结合加权平均的方法选取阈值。利用现场可编程门阵列(FPGA)高速并行处理数据的特点,设计了基于FPGA实时图像边缘检测系统,包括视频图像采集、图像处理和图像显示三大模块。实验结果验证了自适应阈值边缘检测算法的有效性,同时满足了实时性的要求。     

基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态,容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集,对采集的视频流进行人脸定位和面部特征点的提取,对该列车司机眼睛、嘴巴数据进行分析,结合PERCLOS标准判定列车司机是否疲劳,在GUI界面显示检测结果。     

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。     

基于Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

基于FPGA的人脸检测系统设计

选取一种由粗及精的方法,综合采用基于彩色图像的肤色检测方法和基于几何特征的灰度检测方法,在传统肤色检测算法的基础上,加入图像预处理、色彩平衡、二值化、形态学滤波、中值滤波、边缘检测等技术进行人脸检测.搭建了由CMOS摄像头到FPGA核心图像处理单元,再到LCM显示这样一个完整的人脸图像处理及检测系统.     

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。     

基于多特征量贝叶斯融合的驾驶疲劳识别

针对保局投影的局限提出了正交流形保持投影方法,通过在LPP目标函数中引入非临近约束,保持了样本在低维空间中的局部和全局结构,采用正交化过程重新求解了投影矩阵,使得投影后的特征维数进一步降低,提高了通过表情进行驾驶疲劳识别的准确性;为了进一步降低识别的误警率,通过贝叶斯网络实现了基于疲劳表情、哈欠频率、眼睛闭合度等特征融合的疲劳检测,通过实验验证了以上过程的优越性。     

驾驶员眼部疲劳视觉检测算法及其ARM+DSP实现

将ARM+DSP技术应用于驾驶员的疲劳检测,使用S3C2440作为核心处理器,利用TMS320DM642作为视频采集处理模块,详细讨论了硬件平台与接口的设计。提出了一种简单有效的基于眼部特征的疲劳驾驶检测算法,结合单目机器视觉实现了驾驶员眼部睁闭状态的有效判定和疲劳驾驶的实时检测。在沪宁高速南京段的实验结果表明,该算法的实时性与精确性可以满足安全行驶的要求。     

基于云计算的多特征疲劳驾驶检测系统研究与设计

随着私家车的普及,人们对汽车安全性、舒适性要求不断提高,通过对当前车载系统分析和汽车驾驶员疲劳驾驶状态研究,提出了一种基于信息融合的多特征疲劳驾驶检测方案。方案采用高性能嵌入式系统平台与云计算相结合的方式,首先,通过嵌入式系统采集驾驶员面部图像;然后,将数据传输到Face+ 云计算平台,分析当前驾驶人员身份、年龄与微笑程度;最后,采用数字图像处理技术计算驾驶员头部位移以及统计眼睛眨动规律,综合三种指标预测驾驶员是否处于疲劳状态,实时监测驾驶员驾驶全过程。当检测到驾驶员处于疲劳驾驶状态,则通过语音的方式提醒驾驶员注意行车安全、谨慎驾驶。测试结果表明：该方案检测精度高、实时性强,并且易于和车载系统整合并推广使用。     

基于FPGA的实时QRS波检测系统设计

根据在线心电信号自动分析系统的实时性要求,提出了一种基于现场可编程门阵列的QRS波检测解决方案和硬件结构。该方案采用离散小波变换(DWT)算法结合阈值检测算法进行特征点提取,克服了传统算法受噪声、基漂、杂波等影响的缺点,逻辑简单,适合硬件实现。     

基于Kinect的疲劳驾驶综合监测系统研究

基于Kinect传感器研究设计一种驾驶员疲劳状态综合监测系统,通过对Kinect红外图像数据的预处理,减弱了夜晚光照不足的影响;进而利用Kinect提供的人脸识别功能获取驾驶员头部、嘴部、眼部等部位的特征信息,并利用RBF神经网络进行信息融合,分级判断驾驶员的疲劳状态;同时利用滑动平均法及数据库技术,使疲劳状态监测更加准确可靠。模拟实验结果表明,本系统在白天甚至夜晚都能较有效地监测驾驶员疲劳状态。     

基于FPGA的双声传感器定位系统的设计

针对小体积声探测系统对阵元数量的要求,设计了基于FPGA的双声传感器定位系统。该定位系统利用两个声传感器接收的回波的声压和时延值进行联合定位,可以达到减小阵元数量的目的。同时,利用硬件描述语言和DSP Builder完成了整个系统的构建。仿真和实验结果表明,所设计的定位系统工作频率可以达到94.4 MHz,完成一次定位只需要52μs,定位误差在1%之内。     

基于DSP的驾驶员疲劳检测系统

为了能够有效地、实时地对驾驶员进行疲劳检测,构建了以ICETEK-DM6437-B模块为核心、以近红外发光二极管为光源和以电荷耦合器摄像头为图像采集设备的驾驶员疲劳检测系统.提出了以人脸区域定位为检测主体的、在PER-CLOS方法原理基础上改进的PER-NOFACE方法结合多种简单高效的图像处理算法的疲劳检测方案,可有效地检测出驾驶员的疲劳状态.为了保证系统检测的实时性,在DM6437达芬奇处理器上对疲劳检测算法进行了代码优化.实验结果表明,该系统能够较为准确地、实时地对驾驶员进行疲劳状态检测.