1 / 34

即時駕駛者視角偵測警示系統

即時駕駛者視角偵測警示系統. 作者 : 許祐松 朝陽科技大學 資訊工程系 指導教授：鄭文昌博士. 報告人 : 林韋呈 班級 : 碩研資工一 甲 學號 MA2G0101. OUTLINE. 研究 動機 相關文獻討論 研究目的 研究方法 實驗與結果 結論. 一、研究動機. 汽車普及，造成 了車禍事故頻頻 發生 車禍主因 智慧型 手機 駕駛者視線. 二、相關文獻討論. 頭部 姿勢 定位，可分為 3 個自由度 Pitch(-60.4 ~ -69.6) Roll(-40.9 ~ -36.3) Yaw(-79.8 ~ 75.3). 二、相關文獻討論.

wright
Download Presentation

即時駕駛者視角偵測警示系統

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 即時駕駛者視角偵測警示系統 • 作者:許祐松 • 朝陽科技大學 • 資訊工程系 • 指導教授：鄭文昌博士 • 報告人:林韋呈 • 班級:碩研資工一甲 • 學號MA2G0101

  2. OUTLINE • 研究動機 • 相關文獻討論 • 研究目的 • 研究方法 • 實驗與結果 • 結論

  3. 一、研究動機 • 汽車普及，造成了車禍事故頻頻發生 • 車禍主因 • 智慧型手機 • 駕駛者視線

  4. 二、相關文獻討論 • 頭部姿勢定位，可分為3個自由度 • Pitch(-60.4 ~ -69.6) • Roll(-40.9 ~ -36.3) • Yaw(-79.8 ~ 75.3)

  5. 二、相關文獻討論 • Wang 和Yang提出一個方法來偵測人臉 • 同態濾波:增強亮度與對比 • 叢集演算法:分離臉部特徵 • 二值化

  6. 二、相關文獻討論 • Wang和Chen 提出了一個兩個步驟的眼睛偵測方法 • 能量分析去雜訊 • 頭部輪廓偵測(head contour detection: HCD) • 小波轉換投影(眼睛、鼻子、嘴巴) • 缺點:無法通用不同人、不同視角

  7. 二、相關文獻討論 • Between-eyes濾波器 • 透過膚色找出可能為人臉區域 • 快速傅立葉轉換 • 人臉的幾何位置特徵 缺點:在於多人入鏡或是膚色背景過大時，難以判斷哪個頻域區塊才是所求的兩眼之間位置

  8. 二、相關文獻討論 • Viola-Jones檢測器，OpenCV稱這個檢測器為「Haar分類器」 • Haar的小波特徵:由矩陣圖像區域之加減組成 • 偵測人臉和紋理相近等物體

  9. 二、相關文獻討論 • 區塊匹配法(block matching) 在文獻中的應用是將人臉區域給擷取出來，進行放大、縮小、旋轉等等 • 優點:不怕亮度變化，追蹤也較不易失敗 • 缺點:只適用正臉

  10. 二、相關文獻討論 • 卡爾曼濾波器(KalmanFilter) 解決裡散線性的估測問題是一種高效率的數學方式來估計系統狀態，藉由過去的狀態經過預測技術來得到目前的狀態，在眼睛追蹤常用來來提升準確度。

  11. 二、相關文獻討論 • 粒子濾波器 透過過去所觀測的狀態來建築出目前狀態的機率密度函數，它為多特徵融合跟追蹤提供了一個很好的概率框架(Bounding Box)

  12. 三、研究目的 • 使用OpenCV找出人臉 • 透過HS、HOG、粒子濾波取得雙眼和嘴巴的位置 • 三角幾何特徵 • 駕駛者的視線

  13. 四、研究方法 • 系統流程

  14. 四、研究方法 • 樣板建立 • OpenCV偵測人臉(Haar分類器) • ROI推估嘴巴和眼睛的位置 • 偵測嘴巴和眼睛

  15. 四、研究方法 1.1 粒子濾波器 演算法

  16. 四、研究方法 1.2 粒子濾波器機率密度變化圖

  17. 四、研究方法 1.3粒子濾波器流程圖

  18. 四、研究方法 1.4粒子濾波器眼睛的Bounding Box

  19. 四、研究方法 1.5粒子預測

  20. 四、研究方法 1.6方向梯度直方圖(HOG)

  21. 四、研究方法 1.7粒子估測 • Bounding Box • 直方圖(邊緣、顏色、梯度) • 以舊粒子權重計算cdf

  22. 四、研究方法 2.人臉3D三角模組特徵計算 B A C

  23. 四、研究方法 3.立體視覺針孔模組

  24. 四、研究方法 5.3D 三角模組特徵向量 圖片座標點: 立體影像的差異值: 深度:

  25. 四、研究方法 6. 類神經網路 • 第一層使用雙彎曲轉移函數的多層神經元 tan-sigmoid transfer function • 第二層的函數其線性的輸出層 pure-liner function

  26. 四、研究方法 • 倒傳遞類神經網路與視角偵測 • 使用人臉模組特徵向量中F = [a, b, c, ∠A, ∠B, ∠C, ZAB, ZBC, ZCA]T 等九個數據當作我們的輸入(訓練資料)，而輸出則為我們的視線方向

  27. 五、實驗與解果 • 1. 實驗環境

  28. 五、實驗與解果 2.基於HS特徵的嘴巴偵測結果

  29. 五、實驗與解果 2.基於HOG特徵的嘴巴偵測結果

  30. 五、實驗與解果 3.基於HS特徵的眼睛偵測結果

  31. 五、實驗與解果 3.基於HOG特徵的眼睛偵測結果

  32. 五、實驗與解果 3.不同隱藏層節點的MSE 個視線方向隨機使用六組當作訓練資料，另外三組當作測試資料進行交互驗證並重複實驗三次。

  33. 7.結論 • 實驗發現，HOG-粒子濾波器追蹤眼睛、HS-粒子濾波器做追蹤嘴巴，能達成較好的追蹤效果 • 訓練資料庫方面，我們可以得到平均約85%的偵測率 • 實驗方現，在15-20個類神經網路中間節點可以達到較好的訓練效率

  34. Q&A

More Related