基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法

驾驶员头部姿态跟踪是车辆辅助驾驶系统中的关键问题之一,文中提出了一种基于3D人脸模型的驾驶员头部姿态鲁棒跟踪算法;首先,将3D人脸模型映射到第一帧图像中,获取到脸部区域及估计出初始姿态;然后,在脸部区域中跟踪并检测特征点,并把匹配结果作为基于模型的光束法平差机制的输入来恢复出3D人脸模型的头部姿态;为提高检测精度,在每帧脸部区域内重新提取特征点用于跟踪;实验结果表明,该算法在部分遮挡及大幅转动时是有效的.     

基于人体关节点的低头异常行人检测

近年来,随着智能手机的快速发展,低头族行人在过马路时依然保持浏览手机的姿态,由此造成的交通事故时有发生。如何有效检测低头族成为了当下亟待解决的问题。现有的检测方法需要大量的真实低头异常的数据集,且最终结果存在识别精度不高、速度不尽人意的问题。基于此,提出了一种快速有效的低头异常行人检测方法,与现有方法的区别在于该方法是基于关节点而不是图像。首先设计了一种构造数据集的方法,在识别人体关节点的基础上,调整左右腕关节坐标来模拟行人手持电子设备的姿态,解决了数据集缺少且需要大量标注的问题;其次,提出复杂环境中高效检测行人异常行为的算法,对上述关节点坐标进行分类识别,充分利用手臂与头部信息来实现行人异常行为检测。实验证明,所提算法能够实现实时检测,且检测精度达到了94.08%,从而可以为视频监控、驾驶员、辅助驾驶以及自动驾驶系统提供必要的参考信息。     

基于车载传感信息融合的电动汽车驾驶行为辨识

本文的主要目的是基于信息融合的方法设计出一套能准确辨识出驾驶行为的系统.本系统使用六轴加速度计采集加速度信息,通过多尺度多重分形(MMA)算法(首次将该算法用作特征提取的方法)从加速度信号中提取出可反映不同驾驶行为的波动特征.并采集电动汽车的OBD接口获取的包括速度、功率、电流等车载OBD信息并提取特征.分别通过随机森林(RF)算法对驾驶员的驾驶行为进行辨识.提出一种新的信息融合的方法,采用该方法对加速度信息和OBD信息进行融合,发现信息融合的方法可以更有效的辨识出电动汽车的驾驶行为.     

基于全方位视觉传感器的驾驶疲劳视频检测装置的设计

针对驾驶疲劳问题,设计了一种基于全方位视觉传感器的驾驶疲劳视频检测装置;首先使用全方位视觉传感器采集到驾驶员脸部、方向盘和道路环境的视频信息,接着采用图像识别手段检测各种能反应驾驶员疲劳的因素,如驾驶员的感知疲劳、判断疲劳和动作疲劳,最后根据以上所检测到的信息综合判断驾驶员是否处于驾驶疲劳状态;实验结果表明,该检测装置能有效地减少驾驶疲劳的漏判率和误判率。     

基于时序性面部动作信息的驾驶员状态检测框架

通过网络摄像头获取驾驶员面部视频输入网络进行检测的方法主要通过分析驾驶员口型等面部表情来判断是否疲劳驾驶,但说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架,对驾驶员状态进行检测,从而提高检测准确率、降低误检率。该框架通过检测视频中的脸部轮廓,提取脸部的多种特征,形成面部动作单元;通过训练对应的LSTM网络,形成时序性的面部动作单元,根据其相关性进行多种动作单元融合,检测最终驾驶员的状态。在公共YawDD数据集上的检测结果表明,相比于现有的方法,该检测方法的准确率提高到了93.1%,同时大幅降低了疲劳状态的误检率。     

基于图像识别的嵌入式驾驶员疲劳监测终端设计

疲劳驾驶是导致车辆发生事故的一个主要因素.为了有效防止疲劳驾驶现象的发生,文章研究了一种采用图像识别对驾驶员疲劳状态检测判别的嵌入式监控终端设备.该设备以嵌入式芯片作为核心控制器,利用安装于驾驶台前上方的摄像头采集驾驶员的脸部图像,微处理器采用HOG-SVM算法识别脸部特征,采用灰度积分投影法来实现对图像中眼睛张开定位,使用PERCLOS算法判定人的驾驶状态并实现疲劳状态语音报警提示,同时把驾驶员状态发送到远程管理平台.     

智能驾驶中的行为辅助压力感知方法

人的压力与其行为紧密相关,特别是在智能驾驶时,驾驶员压力感知对实现辅助驾驶具有巨大的应用潜力.现有压力感知方法多用于静态环境,检测过程也缺乏便捷性,难以适应高度动态的智能驾驶应用需求.为了实现智能驾驶中自然、准确和可靠的压力检测,提出一种基于可穿戴系统的行为辅助压力感知方法.该方法基于行为伴随实现压力检测,并基于多指标执行压力状态判别,能够有效提高压力检测准确度.其基本原理在于每个人在不同压力状态下的生理特征和行为模式不同,会对压力相关的PPG数据和行为相关的IMU数据产生独特影响.首先使用嵌入多传感器的可穿戴手套测量驾驶员的生理和运动信息,通过多信号融合技术获得可靠的生理行为指标,最终使用泛化性能较好的SVM模型分类驾驶员的压力状态.基于所提出的方法在模拟驾驶环境下部署了验证实验,实验结果显示,压力分类精确度可达到95%.     

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。     

优化特征提取的互动式人脸活体检测研究

针对人脸识别系统中出现的通过照片或视频“欺诈”解锁问题，提出一种活体检测方法，通过随机指令判断被检测对象是否为真人。利用HOG特征和随机森林算法对摄像头采集的图像进行人脸检测，预测脸部68个特征点位置，把68个特征点位置和脸部位置的相对位置归一化后作为姿态的特征，提取的姿态特征与SVM分类器相结合，训练出分类效果较好的头部姿态估计分类器。通过多次实验，对特征提取方法进行优化，进一步提高检测准确率。最后，使用随机互动式命令序列对被检测人发出指令，实现活体检测。该方法对头部姿态估计具有较高的鲁棒性，并且可以有效地防范照片和视频认证攻击。     

基于多源信息融合模型的高龄驾驶员安全性评估方法研究

针对老年人驾驶中遇到的问题,本文设计了一个适合于高龄驾驶员的辅助驾驶系统。首先分析了高龄驾驶员驾驶行为随着驾驶速度和持续驾驶时间的关系。接着,结合路面信息和驾驶行为的特征,采用模糊信息融合方法给出了驾驶环境安全度的综合评价。通过模糊信息融合推理,可以使高龄驾驶员对自己的驾驶行为和周围状况有一个全面的认识。随后通过对驾驶行为和事故日志的挖掘,寻找不同驾驶员的特征,通过调整推理规则,提供适合于不同驾驶员的评价。本文所设计的辅助驾驶系统充分考虑了高龄驾驶人员的行为特征,实时为高龄驾驶者提出驾驶行为调整策略,全面提升高龄人员驾驶行为的安全性和舒适性。     

基于CNN和多尺度融合的驾驶员打电话行为检测

由于传统的驾驶员违规接听电话行为检测方法缺乏一套严谨的评判模型,难以满足现实中驾驶员违规接听电话的识别需要,因此如何建立一套合理有效的评判模型成为亟待解决的问题。针对目前评判模型的局限性,采用计算机视觉技术和深度学习模型相结合的方式对驾驶员违规接听电话行为进行科学评判。主要是通过提取的Haar-Like特征训练级联分类器捕获脸部特征,采用CNN模型和ROI技术提取手部特征,并利用YoloV3目标检测算法识别手机,依据特征间的空间位置关系来判断驾驶员是否存在违章接听电话行为。通过大量数据的实验测试,结果证明了该评判模型不仅能将精确度提高至96.28%,而且能实时检测到行车时违规接听电话行为并进行提醒,进而降低因违规接听电话发生交通事故的概率。     

基于有限状态自动机的人眼开度PERCLOS实现算法

针对驾驶员驾驶过程中因疲劳引起的眼睛开度变化问题, 在原有PERCLOS(percentage of eyelid closure over the pupil over time)标准的基础上, 提出了一种基于有限状态自动机的人眼开度PERCLOS计算方法, 并将其应用到疲劳驾驶预警系统中。该系统首先采用红外摄像头实时获取驾驶员的脸部视频图像, 使用ASM(active shape models)算法进行人脸检测, 在定位到的人脸范围内搜索人眼区域并计算人眼开度, 为了避免人与摄像头距离变化影响计算结果, 对人眼开度进行归一化处理; 然后依据建立的有限状态自动机模型计算PERCLOS值; 最后根据制定的预警机制实现基于人眼开度的疲劳预警。实验结果表明本方法能够实时监测驾驶员疲劳状况, 具有对光照变化、脸部配饰不敏感的特点。     

课堂环境下用于头部行为识别的李群特征表示

头部行为是个体行为的重要组成部分,在课堂环境下对于学生的行为来说更是如此。使用传统的RGB视频图像进行头部行为识别有着许多限制,例如背景的干扰和光线的变化等,而深度图像可以通过包含的深度信息很好地处理这些问题。针对课堂环境下的头部行为识别问题,受到李群理论的启发,提出了一种从深度图像中提取李群特征表示的模型,并且使用该李群特征完成了头部行为识别任务。从深度图像中获取脸部的关键点及关键段信息,通过计算相邻帧之间关键段的旋转及位移获得能够同时表示时间空间信息的李群特征表示,使用支持向量机来完成头部行为的分类识别。在公开数据集上验证了方法的有效性,然后通过Kinect获取制作了课堂环境下的真实行为数据,实验结果表明李群特征表示方法能够有效帮助课堂环境下头部行为的识别,对课堂环境下的学生行为识别提供了帮助。     

智能安全驾驶监测系统设计与实现

针对当下发生的交通事故中及大部分是由于驾驶员酒后驾驶、违规驾驶或是突发身体疾病所导致的,设计出一种智能安全驾驶检测系统；系统以树莓派为和核心搭配智能手表、APP、酒精检测模块；系统可以实现监测驾驶员的酒精浓度,驾驶员的违规驾驶行为以及驾驶中的健康状况等功能,并通过移动端APP进行可视化展示；经测验,整个系统能够在驾驶途中稳定的运行,能够满足实时监测驾驶员的驾驶行为以及健康信息的需求。     

危险驾驶行为预警与求救系统的设计与实现

随着汽车保有量的不断增加,因危险驾驶行为引发的交通事故屡增不减,驾驶员突发疾病因救助不及时导致的悲剧也时有发生。针对这些问题设计一款基于4.0版本树莓派的智能危险驾驶行为检测与求救系统。该系统由树莓派控制模块、GPS模块、防碰撞模块、姿势识别模块、图像处理模块、短信发送模块等组成。摄像头实时采集驾驶员的面部表情以及肢体动作,当检测到驾驶员做出危险驾驶行为时,系统进行分析判断并发出相应的语音提醒;若检测到驾驶员出现突发疾病,系统将启动报警求救模块,使驾驶员能得到及时救助。该系统在一定程度上有助于降低交通事故的发生率,保护人们的生命财产安全。同时,在实际应用中还可根据不同的使用场景进行功能的调整,可移植性较强。     

基于深度学习的疲劳驾驶检测算法

针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG （Histogram of Oriented Gradient）特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区域的分割;最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征,并融合驾驶员嘴部的疲劳特征进行疲劳预警.大量的实验表明,该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.     

虚拟驾驶员决策行为模型研究

驾驶决策行为是驾驶行为研究的重要内容.为提高驾驶决策行为建模与仿真的可信度,提出了基于分层的驾驶员决策行为模型.将驾驶决策分为策略层、方法层、行动层和车辆控制层四个层次.重点对驾驶员行动层的决策行为进行实现.使用两点法和PID方法相结合,计算车辆转向角度,使用反应点跟车模型计算车辆纵向行驶速度.通过驾驶员跟车行为仿真,分析了跟车行为模型的稳定性和逼真性,说明了驾驶员决策行为模型的可信性,使驾驶行为模型的输出更加真实.     

基于通道注意力YOLOV5s的驾驶行为识别研究

设计了一种集成通道注意力机制的YOLOV5s检测网络的驾驶行为识别方法，用以实时检测并识别驾驶员在驾驶室内的驾驶行为，从而有利于纠正驾驶员的不良驾驶行为，减少交通事故发生的概率。建立了驾驶室内驾驶员手部动作的图像数据集；在YOLOv5s网络结构中引入通道注意力机制，通过对比实验、消融实验研究了通道注意力模块嵌入YOLOv5s中的较佳作用位置、配置数量的影响及其检测识别性能效果；论证了带通道注意力的改进YOLOV5s可保留信息量大的特征、抑制不相关的特征，模型参数量和复杂度降低，从而加快检测速度。测试结果显示，较原YOLOV5s网络，改进的YOLOV5s在平均精确度和召回率上相当，而检测速度提升了26.08%，该方法能够较好地满足驾驶员手部动作的实时监控需求。     

车载疲劳驾驶行为检测系统的研究与设计

针对汽车驾驶员的疲劳驾驶行为检测过程繁琐、算法复杂、检测装置部署易影响驾驶员等现状,为更加方便、快捷、有效的对疲劳驾驶做出监测和报警,提出基于ZigBee的车载疲劳驾驶检测方案.选取方向盘角度变化作为检测疲劳驾驶的突破点,使用TLE5012角度传感器,完成角度数据的采集,采用CC2530实现系统的无线通信.从采集到的方向盘角度数据中提取能反映疲劳状态的零速百分比和角度标准差两个特征,使用线性判别算法对驾驶人员的疲劳状态进行分类.仿真实验表明,该方法能够较准确的对疲劳状态进行判别.     

基于车载视觉的驾驶员后视镜查看行为检测

车辆转向时驾驶员的后视镜查看行为是行车安全的必要措施之一，但目前关于该 行为的检测技术应用尚属空白。为督促驾驶员在车辆转向时及时查看后视镜留意车辆侧后方的 交通情况，基于车载单目视觉与图像处理技术提出一种自适应检测方法。首先，设计帧差搜索 分割算法自动实现车辆启动期间的驾驶员脸颈初始区域定位和灰度初值计算，摆脱算法对驾驶 员信息的依赖；设计胀缩分割算法快速实现车辆行驶期间的驾驶员脸颈区域定位和灰度均值计 算。其次，提取脸颈外轮廓并定义了一种由颈部轮廓基点垂线划分的左右面积比特征参数，分 析表明其受驾驶员头部姿态显著影响。最后，结合驾驶过程的眼动凝视数据揭示了该特征参数 在驾驶员查看后视镜过程中的累积概率局部峰值分布规律，并提出一种基准特征值实时估算方 法和后视镜查看行为阈值判定原理。实验结果表明，该方法适应于不同脸型，具有良好的抗干 扰能力，综合检测准确率达96.1%。