基于机器视觉的驾驶员嘴部状态检测方法

吉林大学学报(工学版) ›› 2004, Vol. ›› Issue (2): 232-236.

基于机器视觉的驾驶员嘴部状态检测方法

施树明, 金立生, 王荣本, 童兵亮

吉林大学, 交通学院, 吉林, 长春, 130022

收稿日期:2003-12-13 出版日期:2004-04-01
通讯作者: 王荣本(1946- ),男,教授,博士生导师.E-mail:wrb@jlu.edu.cn
基金资助:
国家自然科学基金资助项目(50175046);教育部科学技术研究重点资助项目(00037).

Driver mouth monitoring method based on machine vision

SHI Shu-ming, JIN Li-sheng, WANG Rong-ben, TONG Bing-liang

College of Transportation, Jilin University, Changchun 130022, China

Received:2003-12-13 Online:2004-04-01

摘要/Abstract

摘要： 在采用机器视觉对驾驶员进行驾驶行为监测时,嘴部状态识别是关键技术之一。事实上,驾驶员在正常驾驶、说话及打哈欠(瞌睡)三种状态下的嘴部张开程度有一定的区别。根据这一特点,作者利用 Fisher 分类器提取嘴唇的轮廓和位置,然后利用嘴唇区域的几何特征作为特征值,组成特征矢量,作为三层 BP 神经网络的输入,将正常驾驶、说话及打哈欠(瞌睡)三种不同精神状态作为输出。试验结果表明:该网络可快速有效地识别驾驶员的嘴部状态。

关键词: 驾驶行为监测, 机器视觉, Fisher分类器, 特征提取, BP神经网络

Abstract: When we use the machine vision to monitor the driving behavior of a driver,identifying the mouth state is one of the key technologies. In fact, when a driver drives in a normal, talking or dozing state, his/her mouth opening degree is quite different. Based on this fact,the driver mouth contour and locality were extracted by a Fischer classifier to form a mouth region geometric feature group as eigenvalues.The eigenvalues made up an eigenvector as the input of a three-level BP neural network which might give the output in one of three above-mentioned spirit states.The experiment results show that this new method can monitor the driver mouth region accurately and quickly.

Key words: driving behavior monitor, machine vision, Fisher classifier, features extraction, BP neural network

中图分类号:

U461.91

施树明, 金立生, 王荣本, 童兵亮. 基于机器视觉的驾驶员嘴部状态检测方法[J]. 吉林大学学报(工学版), 2004, (2): 232-236.

SHI Shu-ming, JIN Li-sheng, WANG Rong-ben, TONG Bing-liang. Driver mouth monitoring method based on machine vision[J]. 吉林大学学报(工学版), 2004, (2): 232-236.

参考文献

[1] YANG J,LU W,WAIBE A. Shin-color modeling and adaptation[R].Pittsburgh:CMU-CS,1997.
[2] GONG Y,SAKAUCHI M. Detection of regions matching specified chromatic features［J］.Computer Vision and Image Understanding,1995,61(2):263-269.
[3] TURK M A,PENTLAND A.Face recognition using eigenfaces［Z］.Proc IEEE Conf on Computer Vision and Pattern Recoginition,USA,1991.
[4] WANG Rongben.A monitoring method of driver fatigue behavior based on machine vision［Z］.Proceedings of the IEEE Intelligent Vehicles Symposium'03,Columbus, Ohio, 2003.
[5] KAUCIC R,BLAKE A. Accurate, real-time, unadorned lip tracking［Z］.Proc 6th Int Conf Computer Vision, India,1998.
[6] DUCHNOWSKI P,HUNKE M,BUSHING D,MEIER U,WAIBEL A. Toward movement invariant automatic lip-reading and speech recognition［Z］.Proc Int Conf on Acoust Speech, Signal Processing,USA,1995.
[7] FUKUDA Toshio,SHIBATA Takanori. Theory and applications of neural networks for industrial control sytems［J］.IEEE Transctions on Industrial Electronics,1992,39(6):472-489.
[8] 徐大威,李伟,何永保.多层BP网络的研究及应用［J］.信息与控制,1995,24(增刊):588-596.

相关文章 15

[1]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[2]	林金花, 王延杰, 王璐, 姚禹. 全局相机姿态优化下的快速表面重建[J]. 吉林大学学报(工学版), 2018, 48(3): 909-918.
[3]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[4]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[5]	董强, 刘晶红, 周前飞. 用于遥感图像拼接的改进SURF算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1644-1652.
[6]	王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[7]	黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[8]	周晓东, 张雅超, 谭庆昌, 张维君. 基于结构光视觉技术的圆柱度测量新方法[J]. 吉林大学学报(工学版), 2017, 47(2): 524-529.
[9]	张飞, 单忠德, 任永新, 聂军刚, 刘丰. 缸盖缺陷检测系统线阵相机现场标定方法[J]. 吉林大学学报(工学版), 2017, 47(2): 540-545.
[10]	郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[11]	尹明, 战荫伟, 裴海龙. 基于稀疏补算子学习的图像融合方法[J]. 吉林大学学报(工学版), 2016, 46(6): 2052-2058.
[12]	李寿涛，田微，郭鹏程，马用学，张浩，王楠. 基于模糊自适应的BP神经网络动态行驶车辆车长测算[J]. 吉林大学学报(工学版), 2015, 45(6): 1881-1886.
[13]	肖钟捷. 基于小波空间特征谱熵的数字图像识别[J]. 吉林大学学报(工学版), 2015, 45(6): 1994-1998.
[14]	高明亮，于生宝，郑建波，徐畅，张堃，栾卉. PSBP在高密度电阻率法二维反演中的应用[J]. 吉林大学学报(工学版), 2015, 45(6): 2026-2033.
[15]	张波,王文军,魏民国,成波. 基于机器视觉的驾驶人使用手持电话行为检测[J]. 吉林大学学报(工学版), 2015, 45(5): 1688-1695.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed