-
题名基于头部姿态特征的列车司机疲劳驾驶检测系统研究
被引量：8
- 1
-
-
作者
李勇达
张超
孟令君
-
机构
北京交通大学交通运输学院
-
出处
《交通信息与安全》
2014年第5期114-119,共6页
-
文摘
列车司机疲劳驾驶严重威胁列车行车安全。为弥补人眼检测方法存在的不足,提出了1种基于头部姿态特征的列车司机疲劳驾驶检测方法。该方法首先采用AdaBoost算法检测人脸区域,然后采用Camshift算法对人脸进行跟踪,并对人脸的旋转角度进行计算,得出其旋转角速度以及旋转角加速度,最后根据其头部的倾斜角度以及旋转角速度综合判断列车司机的疲劳状态。建立了头部旋转物理模型,得到头部自由旋转时角速度与角加速度随旋转角度的变化曲线。在上述方法的研究基础上,研发了1个基于头部偏转情况判断疲劳驾驶的系统。该方法的疲劳检测成功率为87.5%,但其只能对头部缓慢倾斜和头部突然向两侧倾斜这2种疲态状态进行报警,尚不能对打呵欠、低头、闭眼等其他疲劳状态做出反应,需与其他检测方式结合使用。
-
关键词
疲劳驾驶
疲劳检测
头部姿态特征
计算机视觉
ADABOOST算法
CAMSHIFT算法
-
Keywords
fatigue driving fatigue detection
head pose feature computer vision
adahoost algorithm
Camshift algorithm
-
分类号
U298.1
[交通运输工程—交通运输规划与管理]
-
-
题名关于Adaboost算法在人脸检测中应用的研究
被引量：1
- 2
-
-
作者
刘冉冉
马庆功
郑恩兴
-
机构
常州刘国钧高等职业技术学校自动化工程系
江苏大学电气工程学院
常州大学信息中心
-
出处
《湖南工程学院学报（自然科学版）》
2013年第1期38-41,共4页
-
基金
江苏省2012年度普通高校研究生科研创新计划项目(CXLX12_0648)
-
文摘
人脸检测算法研究是计算机视觉、模式辨识、图像处理等领域的一项重要研究方向,具有十分广泛的应用前景.详尽阐述了Adaboost算法的检测原理、特征值分布、积分图的计算,分类器的训练过程及强分类器的构建.对Adaboost算法对有倾斜角度人脸的识别具有检测盲区的缺陷,提出了算法的优化方法,引入两种新特征模版,训练后得到的分类器增强了倾斜人脸的检测率及误识率,达到了优化检测的目的.
-
关键词
ADABOOST算法
人脸检测
积分图像
分类器
优化
-
Keywords
adahoost algorithm
face detection
integral image
classifier
optimization
-
分类号
TP309.7
[自动化与计算机技术—计算机系统结构]
-
