毕业设计 (论文 )外文资料翻译 学院： 专 业： 通信工程（嵌入式系统开发） 学生姓名： 班级学号： 外文出处： Department of Computer Science and Technology Harbin Institute of Technology, Harbin, China 150001. 附件： 1.外文资料翻译译文； 2.外文原文 指导教师评价： 1．翻译内容与课题的结合度： □ 优 □ 良 □ 中 □ 差 2．翻译内容的准确、流畅： □ 优 □ 良 □ 中 □ 差 3．专业词汇翻译的准确性： □ 优 □ 良 □ 中 □ 差 4．翻译字符数是否符合规定要求： □ 符合 □ 不符合 指导教师签名： 年 月 日 驾驶员疲劳检测的基础上眼状态分析 摘要 在本文中，我们提出一个有效的基于视觉的驾驶员疲劳检测 方法 。首先，帧间差分 的 方法结合色彩信息 可以用来检测 脸 部 。如果存在，面对面积是混合肤色模型为基础的图像分割。然后，我们模拟的结晶过程，获得眼 和 脸 部区域内的位置。然后 ，眼睛周围，瞳孔和高度比宽度的平均身高是用来分析眼睛的状态。最后，司机疲劳 确认通过分析眼睛的状态变化。实验结果表明了我们所提出的方法的可行 性。 关键字 驾驶员疲劳检测，面对段，眼睛的位置，眼睛状态分析 。 引言 越来越多的交通意外，由于减弱司机的警戒水平从睡眠剥夺或沉闷的驾驶场景，已成为一个严重的社会问题 。统计数据显示， 10％和 20％的所有交通意外是由于司机减弱警戒水平 [1]。此外， 司机的警觉水平下降有关的事故超过其他类型的事故严重的项，因为昏昏欲睡的司机往往不采取任何避免的行动之前，碰撞 .根据国家高速公路安全部（ NHTSA）的数据，在美国，驾驶时候打瞌睡每年都会引起 10 万辆汽车撞毁，从而导致超过 40,000 非致命性的事故和 1550 人死亡，从每年这些车祸中。 以这个为背景， 如何监督司机的警戒水平，避免疲劳驱动是必不可少的事故预防。 本文的其余部分安排如下：第 2 的相关研究提供了一个简短的调查，对疲劳驾驶的保护。第 3 节中，我们提出的基于视觉的自动驾驶疲劳检测系统的轮廓。在第 4 节 ，介绍了 人脸定位方法 包括描述了 脸部存在性的检测 。第 5 章介绍了心目中的位置和眼模板生成的新方法。第 6 节给出一个新的驾驶员疲劳分析方法，测量瞳孔高度，面积眼睛和宽度，高度的眼睛，以确定眼睛的状态比。 驾驶员疲劳检测实验结果 的 显示 在第 7 章 。 结论和今后的工作 ，在最后一节讨论。 前期的工作调查 在过去十年中，许多国家已开 始重视驾驶员的安全问题。研究人员一直在使用各种技术，如生理检测检测驾驶员的困倦，远小于他们研究的同样的水平。 驾驶员的行为监测 [8]，车辆运行状况分析 [9]和远见基于检测。 然而，在这些技术中， VI-锡安基于驾驶员疲劳检测方法是一个自然的，非侵入性和方便的技术监测驾驶员的警惕。当驾驶员疲劳时，可视化的行为，可以很容易地观察从他们的面部特征的变化 特别要 从他们的眼睛 出发 。结果表明眼状态的变化规律有很高的相关性与驾驶员的心理状态 [15]。眼睛表达最当司机的直接反应是昏昏欲睡或注意力不集中和眼睛总是闪烁作为疲劳驾驶的基 础上检测研究员 TION 通过。郑培民在一段时间内计算比眼闭。该比率可以反映司机的警戒水平 [16]。 董 文汇提出了一种方法来检测眼睑的距离，然后通过这个信息 [15]一种判断司机的状态。古拉斯带够使用前视图和侧视图 的 图像 来 精确定位眼睛 [10]。边缘检测和灰度投影方法也适用于 鸿 文兵心目中的位置 [11]。 张 祖涛 定位脸部是使用哈尔算法 ，并提出了一个 基于 Unscented 卡尔曼滤波的 眼睛 跟踪方法。 Abdelfattah Fawky 提出的算法相结合，即小波变换，边缘检测和 YCrCb 转换的眼睛检测 [13]。枪机依靠红外照明定位的眼睛 [14]。眼睛始终包含两种信息：开放和大小的不同状态的持续时间。眼睛疲劳的变化规律，通过分析，我们提出了一个有效的方法为驾驶员疲劳检测。 1、整体算法 我们提出了一种检测算法司机疲劳分析的变化眼睛的状态。该方法包含五个阶段： （ 1）判断人脸的存在 （ 2）混合性皮肤的人脸定位的基础上音模式 （ 3）眼睛位置和眼图模板代 （ 4）眼瞳孔状态分析的基础上高度，面积，眼睛和宽度身高比 （ 5）确认司机的警惕性 该方法的要点如图 . 1。 在下列每一步都将详细讨论。 图 .1 流程图 2.脸的定位 在道路上行驶时，驾驶员的眼睛的位置和光照条件的变化不断。搜索和定位直接在整幅图像的司机的眼睛也不是那么容易。此外，背面地面通常是复杂和不可预测能，尤其是汽车在道路上运行。 所以第一步，我们检测的脸，以减少人眼检测的范围，此外，将提高程序的眼睛定位的准确性和速度，并降低背景的干扰 . 为减少盲目性面对搜索的目的，我们计算帧间的差异，以决定是否有一个移动的物体。当某个对象被检测，并在当地有 YCbCr 色彩包含皮肤颜色信息空间，我们相信有一个人在镜头前。 虽然肤色不同种族的人区别，人类肤色在 YCbCr 颜色空间 分布可以近似平面高斯分布 [15]。具体来说，脸区域，可以从皮肤颜色信息的图像分割。为了提高检测精度，在本文中，我们使用混合肤色模型 YCbCr 和 HSI 颜色空间。因为在 HSI 颜色空间的色调是独立的亮度，从颜色的亮度系数，可以排除。这种混合性皮肤的模式更适合区分皮肤和非皮肤颜色无论光或阴影下的脸。其相应的CB 转换 RGB 的公式，铬和 H 组件如下。 Cr = 0.439 R - 0.368G - 0.071B +128 (3) （ Cb 和 Cr 和 H）的三个组成部分有不同的能力，代表不同的肤色和他们可 以相得益彰。使用这种方法，很容易分开的起源图像的人脸区域，在图 .2(b)。通过执行对皮肤像素的水平及垂直投影，右，左，顶端和底部边界的脸，可以确认，如果预测值超过已设置一些门槛，根据经验，为的是图 .2(c)。一般正常眼睛的位置将是在人脸区域的上半部分，如图所示 ,图 .2（ d） ，此外，该地区是足够的，我们检测眼睛后面。 (a) 原始图像（ b）脸部皮肤 （ c）脸部区域（ d）眼部区域 图 .2 定位眼部区域的结果 3.眼睛的定位 根据热力学原理，一个封闭的系统 Helmholtz 自由能最低 E F 是用来描述在接续的平衡状态最大熵。在这样一个系统，集思颗粒 E 如果有相同的自由能。按照玻尔兹曼理论和 Metropolis 规则，一个粒子从自由能 E 级如果要转化 的 概率 是p 如下所示。 P=e × DFfKT (4) 其中 k 是一个常数， T 是热力学 NAMIC 温度。这是很容易看到，更大的自由能源不同的粒子之间的差距，他们可以达到的概率越小相同的水平。当自由的能源缺口是相同的温度越高越大这将是概率。考虑上述理论，我们采取每个各种粒子的像素和矢量规范属性被定义为代表自由能量 E F。 自由能的像素（ M， N）如下。 D(fm,n) = √k1(Cbm, n − CbC )2 + k2 (Crm,n − CrC )2 + k3(Hm, n −HC )2 + k4 (Graym,n − GrayC )2E 其中 Cbm , n , Crm , n , H m , n and Graym , n 代表 Cb 和 Cr 的平均值， H 和灰色，这是计算像素（ M， N）的最近的八个相邻。 同样， CBC，铬， HC 和灰色 ç 代表相应预期的类的属性值。 K1， K2， K3 和 K4 是常数的范围从 0 到 1 这四个参数之一。 也可以很容易地计算出 RGB 分量的灰度值 考虑多样性附近的像素和相 似的眼睛像素不够，特定区域眼睛可以得到。这一步后，用投影法再次检测眼睛的精确边界。该方法已通过频繁的眼睛检测，所以我们需要无法描述的尾巴。我们的方法从两侧开始，左，右，找到眼睛，因此，我们可分别检测眼睛。然后，我们从眼睛段形象，并使用它们来生成一个眼模板，通过这种方式，我们获得稳定的状态，而眼睛模板分析和减少光线反射的影响。眼睛模板 生成 如下。 图 .4 眼部模板生成过程 两只眼睛的位置也重新在有线，眼睛可以检测基于这些职位的下一帧。 “ 搜索范围扩大 6 个像素，在四个在眼睛的中心方向当前帧。如果之间的距离两只眼睛在下一帧检测变化很大，眼动追踪被重新 看作 为失败。然后脸检测和眼睛定位程序将重新开始。 4.疲劳检测的 要区分司机的地位眼睛的状态，应提前确认。有两个因素可能影响在帧的眼睛大小。上一个另一方面，人类的眼睛总是不同大小。另一方面，距离之间的驱动器和摄像机的其他原因。因此，我们正常化的眼睛模板固定大小 12× 30 前功能提取。为每只眼睛模板，眼区，学生的平均高度，宽度身高的比例是最重要的特征眼睛 来判断眼睛的状态，这将在 表 1 中显示 。 眼睛的状态可以分为三 个类型：全开放，半开放式和封闭式。从下表我们可以看到，不同国家呈现不同的眼睛功能。实验也证明这三个指标（面积，高度和高效眼睛的状态比）认可。通过分析驾驶员的眼睛的状态变化，同时推动我们发现两个原则可以表明美食司机嗜睡。 首先，如果一个司机的眼睛保持封闭连续 4帧，它被认为司机是昏昏欲睡。其次，疲劳，可以确认，如果一个司机的眼睛只能半开放和封闭之间改变了连续 8 帧 。 在 系统把投入使用 之前 ，我们得到提前培训不同状态下的驱动程序的参数旨在提高精度司机的现状分析。 表 .1 眼睛状态和特点 5.实验结果 从固定在汽车上的相机仪表板，我们收购测试视频在自然的驾驶条件。 “ 提出的方法也已测试影片。实验结果如下所示。 表 .2 疲劳检测结果 输入视频格式为 320× 240 真颜色。对眼睛的平均正确率地位的承认，可以达到 91.16％。不同的眼睛状态和全开半开，有时不能很好地分辨这已引起最假判断和快速运动驾驶员的头部，可能会导致在驱动程序的眼睛跟踪失败。正确的驱动程序警告打瞌睡是 100％。在这里，正确率 100％警告率不揭示了绝对该算法的鲁棒性。如果在某期间打瞌睡时，系统可以检测驾驶员的困倦和报警，然后我们认为这是一个 成功的疲劳检测。 6.总结 在本文中，我们提出了新的驾驶员疲劳检测方法，为行车安全。帧间差分法用来决定框架是否存在脸。然后混合肤色模型用来探测脸。在我们的人脸区域使用一种新的方法，通过模拟段的结晶过程从脸的眼睛。通过执行预测的眼睛可以精确定位。检测的两只眼睛被用来生成一个眼图模板。我们用眼区，瞳孔的平均高度和宽度身高的比例来区分眼 睛的状态。最后，可以检测驾驶员疲劳根据我们发现的规则。 “ 实验结果表明我们的有效性现实条件下提出的驾驶员疲劳检测方法。未来获得更多的研究将侧重于精心的眼睛区域和改善眼睛状态的区别的准 确性，我们还应该做更多的检测工作在近 距离 眼睛的闪烁状态它可以用来描述的未来更精确的疲劳状态。

文档预览结束

找同类相似 下载到手机