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。     

用于疲劳驾驶检测的人眼快速跟踪方法

针对疲劳驾驶检测中头部运动多变情况下的人眼跟踪问题,提出一种改进的Mean-shift算法,通过对像素值分布特征及目标梯度方向的密度分布特征的迭代公式进行交替迭代运算,实现对运动目标的平移跟踪和旋转跟踪,以改善头部深度旋转运动下的人眼跟踪性能。实验结果表明,该方法在驾驶员头部运动姿态多变的情况下,能快速有效地对人眼进行跟踪和定位。     

一种用于驾驶员疲劳检测的人眼状态判别方法

在车辆行驶过程中,可以通过对驾驶员眼睛状态的判断进行疲劳检测。本文针对人眼疲劳检测问题提出了一种新方法,首先用模板匹配法定位出人眼区域,然后对获得的人眼区域进行预处理和积分投影,通过对积分投影图像的分析来对眼睛进行状态判别。实验证明该方法可以有效检测出人眼的状态。     

一种用于驾驶员疲劳检测的人眼检测方法

疲劳检测系统中的人眼检测误检率较高。为解决该问题,提出一种基于代价敏感支持向量机(CSVM)的人眼检测方法。对图像进行预处理,利用Gabor滤波器提取人眼特征向量,并使用主成分分析法实现降维,采用CSVM训练得到人眼和非人眼分类器,从而验证眼睛候选区域。实验结果表明,该方法能降低误检率,提高分类器的可靠性。     

基于改进ASM算法的列车司机人眼状态检测

为解决列车司机疲劳状态检测问题,提出了一种改进的主动形状模型(ASM)算法,并设计了一种基于支持向量机(SVM)的人眼状态判定机制,实现了对于司机驾驶过程中的人眼状态进行有效地检测。改进的ASM算法是通过利用多尺度二值模型(MB-LBP)算子来提取局部特征向量,提高了算法在复杂光线环境下的鲁棒性。并将第一步提取出来的眼睛比例作为SVM分类器的输入,用于人眼状态的检测分类。结果表明:改进的ASM算法有效地提高了人脸关键点定位的准确性,设计的判定机制在使用真实数据样本集的测试中达到了80%以上的准确度。     

一种基于混合分类器的人眼定位方法

人眼定位是计算机视觉的关键技术,它在视频监控、人脸识别系统以及新一代的人机交互技术等领域有着实际的应用价值。采用先对图像建立肤色模型,然后运用支持向量机的训练结果来构成分类器,在人脸区域定位人眼。     

基于人脸特征的疲劳驾驶状态判别方法

由于传统方法对于疲劳驾驶状态判别速率较慢,并且误判率较高,实际判别效果不佳,提出基于人脸特征的疲劳驾驶状态判别方法。利用AgCl电极方式采集驾驶员眼部信号,利用三轴加速度计与三轴陀螺仪采集驾驶人员头部姿态信号,利用高清相机采集驾驶员嘴部信号,采用均值算法对状态信号进行滤波处理,并对图像数据均值化处理,利用人脸特征技术提取驾驶员眼部特征、头部姿态特征和嘴部特征,利用评价矩阵计算驾驶员疲劳系数,以判别疲劳驾驶状态。经实验证明,设计方法判别速率较快,并且误判率相对较低,具有较好的可行性。     

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.     

基于模糊综合评价的疲劳驾驶检测算法研究

疲劳驾驶是引发交通事故的一个主要原因，对驾驶员疲劳驾驶做出准确、有效的检测和预防，具有重要的社会意义.在研究比较了前人工作的基础上，设计了一种基于机器视觉，图像处理的驾驶员疲劳检测机制.首先将传来的连续帧图像（视频）利用Adaboost算法进行人脸检测，根据人脸"三庭五眼"的分布特征分割出大致的人眼区域.在人眼定位过程中，采用OSTU阈值分割，非线性点运算和积分投影等预处理消除眉毛，并利用模糊综合评价算法对眼睛矩形区域的长宽比、拟合椭圆面积、瞳孔黑色素所占比例这3个影响因子进行分析，判别出眼睛的睁开闭合状态.最后根据PERCLOS原理对驾驶员的疲劳状态做出检测.实验结果表明，所提算法能够准确地判别出眼睛的睁闭状态及对驾驶员的疲劳状态的检测，具有较高的准确性和实用性.     

EMD在语音情感识别中的应用与研究

语音情感计算引起了国内外广泛的关注,特别是在语音情感特征提取方面做了大量的研究。利用经验模态分解(EMD)方法对情感语音进行处理,得到情感语音的前4阶固有模态函数(IMF),并将前4阶IMF分别通过Hilbert变换得到其瞬时频率和瞬时振幅。提取它们的统计特征,再结合情感语音的声学特征共同组成情感特征向量,并对特征向量做归一化处理。利用支持向量机(SVM)对四种情感语音即生气、高兴、悲伤和平静进行识别。实验结果表明该方法的识别效果较好。     

基于SVM的眼动轨迹解读思维状态的研究

从人们的眼动轨迹来解读人的思维状态已成为应用心理学的研究热点。以四方趣题为研究材料,通过Tobii眼动仪记录被试解题时的眼动轨迹,以眼动轨迹数据中各个AOI的注视持续时间和回视等综合指标的加权值作为特征值训练SVM分类器。经过三种不同的分类任务的实验验证,SVM分类的准确率很高,泛化能力很强,可以作为眼动轨迹分析的分类方法,从而可根据眼动轨迹解读被试解题时的不同策略。     

融合Gabor和Gist特征的人脸识别

为了进一步增强人脸识别系统的实用性,提高人脸识别率,提出了一种新的融合Gabor小波特征和Gist特征的人脸特征提取方法。对一幅人脸图像提取其多个尺度和方向的Gabor特征图,再对这些Gabor特征图进行处理,分别提取其Gist特征,接着再把所有Gabor特征图的Gist特征级联起来作为一人脸图像的特征向量,经过PCA方法降维处理,最后输入到支持向量机里面训练识别。通过在ORL和FERET人脸库中进行实验检测,结果表明与传统的PCA-SVM方法和Gabor特征提取方法相比,给出的方法可以大幅度提高人脸识别率。     

基于SVM的非特定人声调识别的研究

在建立非特定人普通话四声语调语音数据库的基础上,采用Mel频率倒谱系数（MFCCs）对语音数据进行特征参数的提取,并利用支持向量机（SVM）对语音中的四种声调进行了训练和识别研究。实验结果表明MFCCs和SVM的结合得到的平均识别率达到了97.6%。     

支持向量机和遗传算法的人脸识别方法

支持向量机是一种基于小样本学习的有效工具,作为分类器被认为具有很高的推广性能,无需先验知识。但是参数的选取与支持向量机的识别性能是相关的,核函数参数σ²和惩罚因子C对支持向量机识别性能会产生很大的影响。针对支持向量机在人脸识别问题中的应用,提出了一种基于遗传算法（GA）的参数选择优化方法。利用笔者曾提出的基于小波分解和积分投影的人脸特征提取算法对人脸图像进行特征参数提取,然后利用优化的支持向量机进行识别。实验结果表明,该方法是有效的。     

视频图像的车辆检测与识别

提出了一种新方法,用来提取视频图像中车辆的候选区域。即将视频图像转换到HSV空间,利用H分量提取图像中红色区域位置,V分量提取图像中车底的水平边缘位置,两者结合确定图像中车辆的候选区域。然后,利用改进的Gabor滤波器组对图像中的候选区域特性进行提取,最后利用支持向量机对提取的候选区域特性进行训练、识别。滤波器组通过量子进化算法进行了改进,其中引入了小生境协同进化算法并对优化后的滤波器组进行聚类减少多余的滤波器,降低冗余度。仿真结果表明此方法提取候选区域更加精确、快速。改进后的量子进化算法收敛速度快,能够快速地找到最优解。     

基于VQ-MAP和SVM融合的说话人识别系统

针对传统支持向量机（SVM）在说话人识别中运算量过大的问题,提出了VQ-MAP和SVM融合的说话人识别系统。它应用仅自适应均值向量的最大后验概率矢量量化过程（VQ-MAP）,来得到自适应的说话人模型,用此模型中的参数向量作为支持向量应用于SVM来进行说话人识别。用Matlab进行仿真实验,结果表明,基于VQ-MAP和SVM融合的说话人识别系统大大降低了运算量,SVM训练时间短,且具有较高的识别率。     

基于心电脉搏特征的视觉疲劳状态识别

为从生物医学信号角度检测和评估视觉疲劳，模拟VDT作业环境，对35位健康被试者进行1.5 h的VDT疲劳实验。使用MP425数据采集卡和LabVIEW构成的数据采集系统同步采集心电(ECG)和脉搏波信号，经信号预处理分析后，提取实验前后的ECG和脉搏波信号特征。研究结果表明，ECG和脉搏波信号特征在实验前后有较大变化，采用支持向量机法对实验前后的ECG脉搏组合特征进行分类，正确率可达100%。     

纹理特征和两级分类器相结合的人脸识别

为了提高人脸识别率和识别效率,提出一种纹理特征和两级分类器相结合的人脸识别方法。采用灰度共生矩阵表示人脸图像的纹理特征,计算待识别人脸图像与模板间欧式距离,采用拒识阈值进行评判,如果人脸图像归属类别清楚,则采用欧式距离分类器进行识别,否则将待识人脸图像送入SVM分类器进行识别,采用ORL人脸数据库和Yale人脸数据库进行仿真实验。仿真结果表明,相对于单一人脸识别器,两级分类器不仅提高了人脸识别效率,而且提高了人脸识别率,具有更好的人脸识别性能。     

改进CPSO-SVM在人脸识别中的应用

为使粒子群优化算法初始粒子均匀分布在解空间,增强全局的搜索能力,通过对混沌运动的遍历性和粒子群优化算法中惯性权重的分析,提出了一种改进型混沌粒子群算法。该算法采用Circle映射,产生了分布均匀的混沌变量轨道点,并结合动态调整惯性权重的思想来避免粒子群算法陷入局部最优。同时,给出了应用混沌粒子群算法训练SVM的方法,并将其应用于人脸识别。仿真实验结果表明,改进CPSO-SVM方法比基本粒子群方法能获得更好的识别性能。