基于YOLOv3模型的人脸检测与头部姿态估计融合算法

针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法。通过K-means聚类方法对训练集中人脸区域的尺寸进行聚类,得出9组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。     

驾驶员疲劳检测中的眼睛定位与状态分析

针对驾驶员头部多角度变化时眼睛定位困难的现状,提出了基于肤色检测和纹理特征的驾驶员眼睛定位算法.该算法采用肤色检测定位出人脸图像;根据眼睛灰度范围与其他部位的差异进行人脸图像二值化和形态学图像处理,确定眼睛候选区域;通过比较各候选区域纹理特征向量值的不同,确定眼睛位置,并基于黑斑拟合椭圆性质进行眼睛验证和睁开程度计算.计算结果表明,头部角度变化时各候选区域的纹理特征值差别仍较大.因此,该算法不受驾驶员头部角度的影响,眼睛定位准确率较高,且算法简单,计算速度快.     

基于头部姿态的学习注意力判别研究

学习注意力是学生学习效率的一个重要因素,直接影响学生的学习效果。为了有效监测学生在传统课堂教学中的注意力情况,提出一种基于头部姿态识别的学生注意力判别方法。首先运用卷积神经网络对视频图像的面部特征点进行检测,其次采用比例正交投影迭代变换(pose from orthography and scaling with iterations,POSIT)算法对人脸进行跟踪识别,并对人脸的旋转角度进行计算,根据其头部的倾斜角度对学生注意力进行分析研究。测试结果表明,提出的模型注意力检测准确率为88.7%,可以有效地对学生注意力进行检测,具有较好的应用前景。     

基于SSD模型的人脸检测与头部姿态估计融合算法

针对头部姿态估计常用的人脸检测、姿态估计两步串联框架中流程复杂、耦合性高、整体鲁棒性低的问题,提出了一种基于改进SSD模型的人脸检测与头部姿态估计融合算法.通过拓展SSD模型,设计了人脸检测与姿态估计融合网络模型,在多层次卷积特征图上检测人脸,并估计头部姿态;采用端到端训练模式进行模型训练,简化了头部姿态估计任务的处理流程.在Pointing′04和300W-LP数据集上进行了试验.结果表明,本模型能够在满足实时性要求的前提下有效地完成检测任务与估计任务,在两个数据集中的pitch预测平均绝对误差分别达到了4.80°和6.48°,这充分证明了所提出算法的实用性和鲁棒性.     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

不同姿态下基于多特征融合的疲劳状态检测方法

针对传统的基于单一特征的疲劳检测方法误检率高、可靠性不强、无法适应复杂多变的行车环境等问题,提出了一种将驾驶员的眼睛、嘴巴等多种面部特征进行融合的疲劳驾驶检测方法。与现有的人脸检测模型相比,这里提出的基于梯度提高的学习框架对于侧脸的检测效果更佳,并且能够更好地满足检测时间上的要求;同时通过改进的LeNet-5神经网络模型对视频中的笑容进行分类,排除了表情变化对疲劳驾驶检测的干扰;最后为了降低头部姿态的偏转对疲劳特征提取的影响,引入了基于欧拉角的特征校正算法;对YawDD疲劳驾驶数据集的检测结果表明:不同姿态下基于多特征融合的疲劳驾驶检测不仅能够有效降低头部偏转对疲劳驾驶检测的影响,而且比传统的疲劳检测方法具备更高的鲁棒性。     

视频人脸识别系统中的最佳人脸捕获

基于视频的自动人脸识别系统自动选取用于后续识别的最佳人脸图像.设计并实现了一个最佳人脸捕获模块,该模块主要由人脸检测、人脸跟踪和姿态判定环节组成.在实现对视频中的人脸进行检测和跟踪的基础上,可自动截取并保存一张大小合适、清晰度高且姿态最佳的人脸,用于后续的人脸识别.     

单训练样本视频监控俯视人脸识别研究

近年来视频监控已普遍应用于各行各业,因此基于监控视频人脸识别也成为了智能监控系统中重要的研究领域.然而,由于监控视频人脸通常是非正面人脸,传统性能优良算法应用于视频人脸识别时,其性能也明显降低.同时,单张训练人脸问题在监控视频人脸检测和识别是一个普遍问题.因此为了能有效地提高单训练多姿态人脸识别的正确识别率,文章提出了一种基于三维建模技术的人脸识别算法.该算法先由一张二维高清正面人脸生成一个三维人脸模型,然后再进一步在该三维人脸空间里产生多种姿态的人脸模型,并由此获得多张相应姿态下的二维虚拟人脸,最后利用原始正面样本和所得到的虚拟人脸来构筑训练人脸库.该算法用SCface视频监控人脸库中加以验证,与传统的PCA和LDA算法相比,该算法对监控视频人脸的识别率提高了13%.由此表明,文章介绍的算法是一种有效的人脸识别算法,能有效地提高对俯视人脸的识别率.     

基于人眼识别的防疲劳驾驶系统设计与研究

为了避免日常生活中因疲劳造成的交通事故, 利用人眼图像识别技术对驾驶进行疲劳监测。设计并提出了一套基于图像信息判断驾驶员疲劳状态的流程。首先使用Viola-Jones 算法, 在图像中直接进行人眼定位,再对人眼图像进行处理, 得到人眼长宽比值Q, 最后建立了Q 值和疲劳状态的关联模型。实验证明, 该定位方 式比传统方式检测速度提高了50%以上, 同时能适应头部不同姿态; 建立的“眼部相对长宽比-睁眼程度冶模型具有良好的线性。模拟实际驾驶环境进行测试结果表明, 监测系统能适应不同受试者并在1 s 内对疲劳状态的驾驶员发出警报, 在防疲劳安全驾驶领域有一定的应用前景。     

基于人脸关键点的疲劳驾驶检测研究

为解决疲劳驾驶检测中人眼状态识别的难点,提出一种基于人脸关键点的疲劳检测方法.首先从摄像头实时采集驾驶员图像;然后经过Ada Boost方法检测出图像中最大的人脸,并完成人眼定位和人眼睁闭状态判断;最后使用PERCLOS算法判别驾驶员的疲劳状态.其中人眼睁闭状态判定采用基于Dlib库的关键点检测方法,通过计算上下眼睑的距离判断人眼睁闭状态.采集了1 000组人眼状态的数据之后进行分析,在闭眼时99%的状态值都小于2,而眼睛全睁时99%的状态值都大于2.4,当状态阈值设置为2时基于人脸关键点的检测算法正确率最高.试验结果表明,基于人脸关键点的检测算法在头部倾斜等姿态下和光线不好的情况下仍能很好地检测出驾驶员的疲劳状态,具有较强的鲁棒性.     

机动车驾驶员驾驶状态监测方法研究

驾驶员的驾驶状态对行车安全有着很重要的影响。准确、实时地监测到驾驶员驾驶状态是预防交通事故发生的前提条件。重点介绍了驾驶状态监测技术的研究现状，比较分析了几种目前较为流行的监测方法，提出了监测驾驶状态的有效方案.     

基于K-means++的驾驶人致因因素倾向性分析

交通事故致因因素导致交通事故的发生,而交通事故致因因素的产生与驾驶人的特征相关。基于K-means++对事故伤亡人数、年龄、驾驶经验、事故责任、驾驶人的不安全行为值、车辆的不安全状态值进行聚类分析,探讨具备不同特征的驾驶人群体产生不同类别的交通事故致因因素的倾向性。结果表明,当聚类簇数为3时,轮廓系数为0.52,模型将驾驶人分为3个群体。其中：驾驶经验及年龄较低,事故责任较高的驾驶人群体存在较高的不安全行为值;驾驶经验及年龄较高,事故责任较高的驾驶人群体存在较高的车辆的不安全状态值及较高的伤亡人数;事故责任较低的驾驶人群体的不安全行为值与车辆的不安全状态值均较低。     

营运驾驶员从业管理综合评价系统设计

以Microsoft Visual Studi0 2008作为前台开发工具,Microsoft SQL Server 2005作为后台数据库,设计了一个营运驾驶员从业管理综合评价系统.该系统主要包括驾驶员信息管理、驾驶员从业资格管理、事故管理、诚信考核管理和统计分析等功能模块.经验证系统可实现对营运驾驶员从业行为的管理,同时为营运驾驶员的评价及考核提供依据.     

基于分类的头部姿态估计算法的研究

阐述了基于分类的头部姿态估计算法的基本原理,提出了在特定条件下的两种分类姿态估计方法,并且分析了这两类方法的优缺点。     

基于改进YOLOV7与StrongSORT算法的列车司机手比行为检测

列车司机驾驶行为的规范性直接影响到列车行车安全与状态，但当前对列车司机手比行为的检测仍存在不足。为了对列车司机手比行为进行有效检测，本文利用动车组模拟驾驶系统所采集的司机乘务作业影像，结合采用融合注意力机制的You Only Look Once Version 7 (YOLOV7)神经网络模型与Strong Simple Online and Realtime Tracking (StrongSORT)算法，对动车组司机驾驶过程中的5种手比行为进行检测。实验结果表明：本文算法可以有效提升对列车司机乘务作业时不同类型手比行为的检测效果，其中检测精确率平均提升1.2%，检测召回率平均提升1.9%。本文提出的算法将有助于改进铁路院校、机务部门对列车司机日常训练、工作考评的效果，提高列车行车过程中的安全性。     

基于Uchida-Kraepelin心理测试的酒后驾车交通事故倾向测量

针对利用驾驶员的血液酒精浓度一致标准测定和问责酒后驾车行为的方案在某些场合可能不够严谨的问题,为探索新型测量技术,招募18位驾驶员开展酒后Uchida-Kraepelin心理测试(UK测试).结果显示,随着驾驶员饮酒量的增加,UK作业曲线从未饮酒时的定型曲线特征逐渐向非定型曲线特征转变,且作业错误率均值递增.定义UK作业偏离度,探明其与交通事故倾向具有一致性,且两者具有正相关性,平均相关系数为0.71.UK作业偏离度能够揭示酒后驾车交通事故倾向,或可作为酒后驾车行为测定和问责的一种新证据参数;基于UK测试分析的酒后驾车交通事故倾向测量是一种可探索方案.     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

基于贝叶斯网络的网约车交通事故致因机理分析

为了缓解网约车交通事故,以网约车驾驶员为研究对象,探究网约车交通事故致因机理.通过调查问卷收集了2 458名网约车驾驶员个体属性、工作强度、工作压力、不良驾驶行为和交通事故经历的相关信息.对数据进行分类处理后,通过贝叶斯网络建立网约车事故频率预测模型.基于十折交叉验证法,使用混淆矩阵与接收者操作特征曲线校验模型精度.结果表明,模型预测能力较好,模型分析了11种与事故频率直接相关的影响因素,识别了16类导致高频率事故发生概率增加的不利状态,且发现多种不利状态组合对事故频率产生的非线性扩增效应和叠加效应.研究结论有助于管理部门制定相应预防对策以减少网约车交通事故频率.     

汽车安全预警系统的SoC设计

随着汽车数量的增加,交通事故也在逐年增多。智能型汽车安全预警系统研究对汽车的安全性能有着重要的影响。本文提出了一种邻域标记算法和目标识别算法,并利用FPGA芯片载NIOS软核系统来实现了汽车安全预警系统。     

基于三点透视的人脸姿态估计算法

提出了基于特征点透视变换和人脸统计模型的人脸姿态估计算法.首先建立以左右眼睛点和鼻尖为几何特征点的人脸统计模型,然后推导出这三个特征点在图像平面坐标系和三维世界坐标系间的对应关系,进而得到从图像平面上的三个特征点估算人脸在三维空间姿态的理论方程,最后运用迭代方法给出了一个完整的快速人脸姿态估计算法.实验结果表明,本算法精度高,速度快,具有较好的鲁棒性.