基于MATLAB的人脸疲劳检测系统的设计与实现文献综述
2020-04-14 16:30:53
1.目的及意义 改革开放40多年来,我国的经济得到了快速发展,社会日益进步,人民物质生活水平不断提高,但是在这些华丽的表象背后也存在着一些社会问题,而且这些问题日益突出。随着社会生活节奏的加快,人们在心理上和身体上较以前更加疲劳,因疲劳工作而引发的事故问题层出不穷,疲劳已经成为现代人的现状,疲劳工作已经成为人们经常谈论的话题。 联合国世界卫生组织(WHO)对健康的定义是“健康不仅仅是没有疾病或虚弱的状态,还包括躯体健康、心理健康、社会适应良好和道德健康”,而“充沛的精力,能从容不迫的担负日常生活和繁重的工作而不感到过分紧张和疲劳”是“健康”的首条标准。近些年,我国疲劳现象日趋严重。根据调查,在“自我疲劳程度”的调查中,疲劳感知已有全民化趋势,每个年龄层都有五成调查者感到“经常疲劳”和“非常疲劳”。“26-50岁年龄段”的被调查者可谓是“最疲劳”,该群体中有超七成感觉“非常疲劳”和“经常疲劳”,比例数据都是所有年龄层中占比最大的。“26-35岁”正是青年人事业与人生的上升期,“36-50岁”也处于“上有老、下有小”的关键阶段,压力来自生活方方面面,疲惫感也会更为强烈。另外,其余年龄段情况也不容乐观,仅“18岁以下”就有48.15%的用户疲劳程度高。在如此严峻的形式下,疲劳检测应运而生。 疲劳检测在现实生活中具有很大的意义和实用价值,在列车员疲劳提醒、汽车防止疲劳驾驶、防止质检员打盹、特定岗位防瞌睡等方面具有很高的实践意义。早在20世纪90年代,已经有研究人员开始研究机动车驾驶与安全方面的联系问题,同时一些国家也对驾驶时间实施改革。20世纪90年代,集成电路的飞速发展带来了大变革,它使得人们使用计算机来处理有关问题进一步容易。因此,关于疲劳检测的电子产品得到发展进步,关于疲劳检测的软件方法也开始进一步发展壮大起来。 疲劳检测领域的研究方法和手段很多,当前的研究方法可以分为接触式和非接触式两类。一是利用人体的身体特征如点头是否频繁、眨眼次数是否正常、眼睛闭合程度;二是利用相关仪器设备检测人的生理信号如心率、眼电波。 利用仪器设备对人体生理信号的检测从而实现对人体疲劳状态的检测,这种方法较为准确,但被检测对象需要带上相应的仪器设备,一方面这种方法会影响人体的可延展性,从而降低工作效率;另一方面,这些设备价格昂贵成本较高而且操作过程十分复杂,可操作性不强。因此,该方法不可取。基于接触式方法不可行,我们可以利用Matlab强大的图像处理能力和实用便捷的编程方法,通过处理包含人脸的图像,识别分析面部特征,从而得到比较准确的疲劳状况。 |
2. 研究的基本内容与方案
{title} 一、基本内容 人脸疲劳检测系统的研究主要包括五个部分:图像获取、基于肤色模型进行人脸检测、眼睛的检测与定位、疲劳状态的检测、疲劳检测系统的搭建。 该人脸疲劳检测系统首先从人脸图库中获取图像,然后采取图像处理的方法定位人脸、进而定位出人眼区域,最后通过计算人眼闭合程度,判断人体是否疲劳。主要经过以下几个步骤: 第一步,从人脸图像库选取图像,利用同态滤波的方法对图像进行去噪处理,让图像更加清晰,为接下来的图像处理打下基础,使处理结果更加科学正确; 第二步,将图像进行二值化,便于Matlab对图像进行相关处理; 第三部,对图像进行色彩空间转换,在YCbCr色彩空间分离出人脸大致区域,然后对其进行形态学处理,提取出完整的人脸轮廓; 第四步,根据人脸特征,人眼位于人脸上半部分,确定人眼位置,确定位置后,通过逐个像素值写入的方式把人眼提取到一副新图像中; 第五步,根据人眼的闭合状态,实现对疲劳状态的检测; 最后,完成毕业论文的撰写和完善。 二、技术方案 ①认真学习任务书内容,制定设计计划和方案; ②理解设计需要的规范、资料以及学会需要的软件Matlab的使用方法; ③开始的设计阶段初步确定设计算法,与老师沟通修改方案不合理的地方; ④确定人脸图像获取、处理等前期准备工作的方法; ⑤基于Matlab进行疲劳检测算法的编程; ⑥调试代码,进一步完善代码,实现人脸疲劳检测系统的建立。
|
[1]王田丰.MATLAB人脸识别在驾驶员疲劳检测中的应用研究[J].电子技术与软件工程,2016,(9): 94
[2]胡越,郭延齐,程文华.基于Matlab的人眼疲劳度检测[J].信息技术,2009,(8): 64
[3]陈焱山.基于人脸面部信息的疲劳驾驶检测系统的设计与实现[D].南京邮电大学,2014
[4]王帅.基于图像处理的哨兵眼部疲劳检测方法研究[D].云南大学,2016
[5]杨秀芳.基于视频处理的作业人员疲劳检测方法研究[D].华北电力大学,2014
[6]黄雄.基于人眼检测的疲劳驾驶预警研究[D].安徽工程大学,2015
[7]刘向东.基于PCA算法人脸识别的MATLAB实现[J].电脑知识与技术,2016,第12卷(12):193-194
[8]黄凡.人脸检测及图像去噪算法研究[D].西安电子科技大学,2013
[9]陈昕,朱国华,张驰,高令顺.基于眼睛闭合状态的驾驶疲劳检测方法[J].辽宁工业大学学报(自然科学版),2018,第38卷(3): 182-186,191
[10]李延枫.基于眼部识别的疲劳驾驶检测系统设计[D].成都理工大学,2017
[11]马永强,华宇宁.基于Labview/Matlab的人脸识别系统设计与实现[J].科技资讯,2007(17):15-16.
[12]赵来元,高鸿彬,李媛.基于主成分分析(PCA)的人脸识别算法研究[J].电子世界,2017(02):116-117.
[13]房志斌,王兵,张晨戈.基于Matlab和YCrCb颜色分割方法的人脸检测与匹配算法的实现[J].科教文汇(上旬刊),2017(06):174-177.
[14]范薇. 基于人脸识别的疲劳驾驶检测系统的设计与实现[D].电子科技大学,2014.
[15] J. Leiet al, "A Novel Side Face Contour Extraction Algorithm for Driving FatigueStatue Recognition," IEEE Access, vol. 5, pp. 5723-5730, 2017.
[16] F. Zhanget al, "Driver fatigue detection based on eye state recognition," in2017, . DOI: 10.1109/CMVIT.2017.25.
[17] Y. Zhangand C. Hua, "Driver fatigue recognition based on facial expressionanalysis using local binary patterns," Optik - International Journal forLight and Electron Optics, vol. 126, (23), pp. 4501-4505, 2015.
[18] X. Luo,R. Hu and T. Fan, "The driver fatigue monitoring system based on facerecognition technology," in 2013, . DOI: 10.1109/ICICIP.2013.6568102.