疲劳驾驶监测系统中人眼定位技术研究

在疲劳驾驶检测中,对眼部状态的判断是关键的步骤之一.为了对眼部状态进行有效的识别,本文提出了一种新颖可行的眼部状态定位识别方法.利用灰度投影曲线与灰度直方图预测初始阈值思想进行人眼检测.试验结果表明,该方法易于实现,准确度高,速度快,具有计算简单、快速、有效等优点,可满足疲劳驾驶监测系统中实时检测的要求.     

Gabor小波优化HMM算法的眼部疲劳状态识别

远程教育的网络学习者在学习过程中由于长期缺少情感互动容易导致学习疲劳,而学习疲劳状态往往通过眼部状态表现出来,为了对远程智能教学系统进行有效的监控,提出了一种基于Gabor小波和HMM的学习疲劳眼部状态识别算法。该算法针对网络学习者的正常学习、疲劳和疑惑三种学习状态下的眼睛张开程度有一定的区别的特点,在YCbCr颜色空间用拉普拉斯算子对眼部图像进行灰度差的处理,选择二维Gabor核函数,构造48个最优滤波器,获取48个特征值,这48个特征值生成48个特征向量,用HMM对眼部状态图像的特征向量形成的一组观测序列[O]进行眼部状态识别。实验结果表明,该算法对网络学习的疲劳度识别率达到95.68%,具有良好的鲁棒性。     

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。     

自然光普通摄像头的眼部分割及特征点定位数据集ESLD

目的 眼部状态的变化可以作为反映用户真实心理状态及情感变化的依据。由于眼部区域面积较小,瞳孔与虹膜颜色接近,在自然光下利用普通摄像头捕捉瞳孔大小以及位置的变化信息是当前一项具有较大挑战的任务。同时,与现实应用环境类似的具有精细定位和分割信息的眼部结构数据集的欠缺也是制约该领域研究发展的原因之一。针对以上问题,本文利用在普通摄像头场景下采集眼部图像数据,捕捉瞳孔的变化信息并建立了一个眼部图像分割及特征点定位数据集(eye segment and landmark detection dataset,ESLD)。方法 收集、标注并公开发布一个包含多种眼部类型的图像数据集ESLD。采用3种方式采集图像：1)采集用户使用电脑时的面部图像;2)收集已经公开的数据集中满足在自然光下使用普通摄像机条件时采集到的面部图像;3)基于公开软件UnityEye合成的眼部图像。3种采集方式可分别得到1 386幅、804幅和1 600幅眼部图像。得到原始图像后,在原始图像中分割出眼部区域,将不同尺寸的眼部图像归一化为256×128像素。最后对眼部图像的特征点进行人工标记和眼部结构分割。结果 ESLD数据集包含多种类型的眼部图像,可满足研究人员的不同需求。因为实际采集和从公开数据集中获取真实眼部图像十分困难,所以本文利用UnityEye生成眼部图像以改善训练数据量少的问题。实验结果表明,合成的眼部图像可以有效地弥补数据量缺少的问题,F1值可达0.551。利用深度学习方法分别提供了眼部特征点定位和眼部结构分割任务的基线。采用ResNet101作为特征提取网络情况下,眼部特征点定位的误差为5.828,眼部结构分割的mAP (mean average precision)可达0.965。结论 ESLD数据集可为研究人员通过眼部图像研究用户情感变化以及心理状态提供数据支持。     

眼部疲劳状态检测算法的研究与实现

眼部状态的检测被认为是目前最准确可靠的疲劳驾驶状态识别方法,快速、准确地定位眼部是疲劳检测的关键.针对AdaBoost算法的训练过程中的样本权重过拟合问题进行了改进,提出了新的权重更新方法,即每一轮设定一个权重更新的阈值,避免了样本权重过拟合现象的出现.并针对影响检测速度的要素,结合肤色模型,缩小了搜索范围,减小了检测的错误接受率,并提高了检测速度.在Linux系统下采用QT编程实现了眼部疲劳检测的整个过程.实验结果验证了该算法定位和检测的准确性、实时性.     

一种机器人未知环境下动态目标跟踪交互多模滤波算法

为了解决机器人同时定位、地图构建和目标跟踪问题,提出了一种基于交互多模滤波(interacting multiple model filter, IMM)的方法.该方法将机器人状态、目标状态和环境特征状态作为整体来构成系统状态向量并利用全关联扩展式卡尔曼滤波算法对系统状态进行估计,由此随着迭代估计的进行,系统各对象状态之间将产生足够的相关性,这种相关性能够正确反映各对象状态估计间的依赖关系,因此提高了目标跟踪的准确性.该方法进一步和传统的IMM滤波算法相结合,从而解决了目标运动模式未知性问题,IMM方法的采用使系统在完成目标追踪的同时还能对其运动模态进行估计,进而提高了该算法对于机动目标的跟踪能力.仿真实验验证了该方法对机器人和目标的运动轨迹以及目标运动模态进行估计的准确性和有效性.     

用闭环反馈周期脉冲抑制分叉和混沌运动

提出一种抑制分叉和混沌的方法.该方法用控制目标与实时检测的系统状态量之间的差值作为控制脉冲信号,用闭环反馈方式作用于受控系统,达到控制分叉或混沌的目的.首先介绍了该方法的基本原理,然后将该方法用于含间隙往复碰撞振动系统的分叉和混沌异常运动的抑制.利用一个二自由度往复碰撞振动模型作为研究对象,用随机数模拟随机扰动,通过数值仿真的方法对该系统在无扰动和有扰动条件下的分叉及其混沌运动进行抑制.结果表明该方法对这类分叉和混沌异常振动有明显的抑制作用.该方法也适用于其他混沌系统.     

球载平台控制系统状态观测器设计

所论球载空间高能天文望远镜平台为七阶系统,为实现最优控制,最好用七个传感器对各状态变量进行测量,为了简化系统结构,该系统只用了两个传感器,其他参量用现代控制中的状态观测器的方法即通过软件的方法实现状态估计。该文给出了系统的状态空间模型、状态观测器的设计方法及估计结果。     

视线跟踪中基于虹膜识别的一次标定方法

为了简化头戴式视线跟踪系统中的标定过程,提出一种无需添加任何硬件的、基于虹膜识别的一次标定方法.使用者只需在第一次使用头戴式视线跟踪系统时进行标定,再次使用时,系统会自动进行虹膜识别,调出使用者第一次标定时的眼部图像数据来计算当前眼部图像与标定时的眼部图像的相对偏转角和偏移量,得到使用者当前的标定参数.实验结果表明,该方法可以在不影响系统原有精度的条件下,省去使用者每次使用视线跟踪系统时都需要进行的烦琐的标定过程,大大简化了系统的标定,降低了系统的使用复杂度.     

基于Boosting RBF神经网络的人体行为识别

提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像（MHI）进行图像序列表示,从中提取Zernike矩的统计描述特征,然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入,为了进一步提高神经网络的泛化能力,采用一种调整权值分布,限制权重扩张的改进的Boosting方法,分类器以加权投票方式进行分类决策。实验结果表明,提出的方法能够有效地识别人体运动类别。     

基于RBF的船用污水处理装置运行状态在线监测研究

应用径向基函数RBF神经网络对船用污水处理装置运行状态在线监测,以提高船用污水处理装置运行状态监测与管理的效率。在分析了RBF神经网络原理的基础上,研究一种监测船用污水处理装置运行状态的三层径向基神经网络。通过实际在线监测数据的RBF神经网络监测训练和实验验证,表明RBF神经网络对运行状态的分类效果较佳,能够有效地监测船用污水处理装置的状态,并为装置维修提供科学的决策支持。     

基于改进Canny算子和神经网络的人体行为识别模型

为了提高了人体行为识别的正确率,提出了一种基于改进Canny算子和神经网络的人体行为识别模型（ICanny-RBF）。采用改进Canny算子对人体行为图像进行预处理,提取人体行为轮廓,提取7个不变矩特征作为RBF神经网络的输入向量,训练出能够识别人体行为的RBF神经网络模型,并采用取k-means算法确定RBF神经网络聚类中心,采用Weizmann数据集进行仿真实验。仿真结果表明,与传统方法相比,提出的ICanny-RBF模型提高了人体行为的识别正确率。     

基于HMM与RBF的混合语音识别新方法

提出了一种隐马尔可夫模型（ＨＭＭ）和径向基函数神经网络（ＲＢＦ）相结合的语音识别新方法。该方法首先利用ＨＭＭ生成最佳语音状态序列,然后用函数逼近技术产生对最佳状态序列进行时间规正,最后通过ＲＢＦ神经网络进行分类识别。理论和实验结果表明,该系统比ＨＭＭ具有更好的识别效果,特别对提高易混淆词的识别性能尤为显著。     

Three-dimensional medical image recognition of cancer of the liver by a revised radial basis function (RBF) neural network algorithm

In this study, we propose a revised radial basis function (RBF) neural network algorithm and apply this algorithm to computer-aided diagnosis (CAD) of the liver. First, the revised RBF neural network algorithm is applied to recognition of the liver regions, and the recognition results are compared with those obtained using the conventional RBF neural network and the conventional multilayered neural network trained using the back-propagation algorithm. It is shown that the revised RBF neural network is accurate, and is a useful method because the parameters are automatically determined. Then, the revised RBF neural network is applied to CAD of the liver cancer called hepatocellular carcinoma (HCC).     

基于多特征融合和BoostingRBF神经网络的人脸识别

提出一种多特征信息融合的人脸识别方法.应用Zernike矩方法和非负矩阵分解法(NMF)分别提取具有旋转不变性的人脸几何特征和人脸子空间投影系数特征,将这两种具有一定互补性的特征串行融合,得到一个分类能力更强的特征.在此基础上,采用RBF神经网络进行人脸识别.为了提高神经网络的分类准确率和泛化能力,采用Boosting方法进行网络集成.实验结果表明,提出的算法利用较少样本数据即可快速地进行人脸识别.     

Isomap与径向基神经网络在人脸识别系统中的应用

基于非线性降维算法的容特征映射与径向基神经网络的快速性,提出了基于Isom ap与径向基(RBF)神经网络的图像识别方法,降维方法用测地距离取代传统的欧式距离,有助于挖掘高维数据的内在结构,径向基神经网络能够快速模拟对象数据集,识别真假图像。同时该方法结合了频谱分析对初始图像进行预处理,减少了计算量。实验结果表明该方法能快速识别真假图像,提高识别率。     

基于径向基神经网络的浮游植物分类系统

应用模糊聚类和小波变换提取浮游植物活体的特征光谱,并以此为输入向量,引入径向基函数网络对浮游植物的光谱进行分类识别,建立了适用于光谱识别的径向基函数神经网络系统.结果表明,该方法较传统的统计方法更方便,识别准确率更高.     

基于混合模型HMM/RBF的数字语音识别

提出一种离散隐马尔科夫模型（hidden Markov model,HMM)和径向基函数（radial basis function,RBF)神经网络相结合应用于汉语数码语音识别（Mmandarin Ddigit Speech Recognition,MDSR)的方法，同时采用了一系列改进方法，使汉语数码语音的识别率达到了99．7％。     

基于边缘检测及RBF神经网络的遥感图像帧特征动态识别技术

为解决分辨率超限问题,实现对遥感图像帧特征对象的精准识别,提出基于边缘检测及RBF神经网络的遥感图像帧特征动态识别技术。求解微分算子与OTSU阈值,并以此为基础,确定边缘节点追踪参数的取值范围,实现对遥感图像边缘检测。根据RBF神经网络机制的构建标准,推导神经性激活函数,完成RBF神经网络识别模型的设计。在所选遥感图像中,实施帧特征分割处理,再联合动态合并条件,计算超像素指标与并行识别参量,完成基于边缘检测及RBF神经网络的遥感图像帧特征动态识别方法的设计。实验结果表明,在边缘检测与RBF神经网络模型的作用下,主机元件在长、宽、高三个方向上对于遥感图像帧特征对象的识别精度都达到了100%,分辨率超限问题得到较好解决,符合精准识别遥感图像特征的实际应用需求。