驾驶员疲劳驾驶是造成交通事故的主要原因之一,为解决该问题,提出一种新的基于机器视觉的驾驶员疲劳状态检测方法。根据驾驶员视频图像特点,采用基于肤色检测的Adaboost算法提取面部以及手部的感兴趣区域(Regionsofinterest,ROIs)。基于尺度不变特征变换(Scale invariant feature transform,SIFT)特征点匹配获取眼、嘴以及手部的SIFT特征点,据此得出面部以及手部特征参数。将Perclos、MClosed、Phdown以及SA 4个特征参数作为模型输入,疲劳度等级作为模型输出,建立三层BP神经网络模型,并应用贝叶斯正则化并结合动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。试验数据表明,该方法能够克服光照、背景、角度以及个体差异的影响,且疲劳检测的正确识别率达到99.64%。
类型: 期刊论文
作者: 刘明周,蒋倩男,扈静
关键词: 驾驶疲劳,机器视觉,特征点匹配,肤色检测,人工神经网络
来源: 机械工程学报 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 汽车工业,计算机软件及计算机应用
单位: 合肥工业大学机械工程学院
基金: 国家自然科学基金资助项目(51375134)
分类号: U463.6;TP391.41
页码: 18-26
总页数: 9
文件大小: 1522K
下载量: 534
本文来源: https://www.lunwen90.cn/article/87d3a333f180556ba434b6ba.html