论文部分内容阅读
随着脑力劳动在人类生产生活中所占的比重越来越大,精神疲劳所产生的负面影响也越来越大,涉及到社会经济、军事和日常生活等各个方面。信息技术的发展,为人体精神疲劳的动态测量和实时分析提供了可能。基于计算机视觉技术,以面部视频为基础,融合多种特征对驾驶疲劳进行非侵扰式识别已经取得了一些成果。但基于面部视觉特征的精神疲劳识别,目前研究还不多,主要存在两大难题需要解决,一是研究更有效的精神疲劳面部视觉特征,并提高特征提取的准确性;二是如何使多特征融合过程中的不相容问题形式化,建立问题求解的形式化过程,进而通过计算机自动智能地找到多特征融合的最优策略和方法。本文围绕上述问题进行了研究,主要研究工作如下:1、基于面部视觉特征的精神疲劳识别可拓模型研究对人体精神疲劳的概念进行了界定,明确了本文的研究目标。分析了基于面部视觉特征进行精神疲劳识别中存在的不相容问题,研究了求解矛盾问题的可拓策略生成的一般方法,建立了精神疲劳识别的基元和基元拓展模型,研究了精神疲劳识别的可拓策略,建立了精神疲劳识别的可拓模型。2、精神疲劳面部动态特征研究与识别针对现有面部视觉特征提取方法中存在的无法对大角度的头部旋转和倾斜以及头发遮挡等情况进行有效处理的问题,研究了人眼、虹膜及嘴巴的定位与疲劳特征提取方法,提出了一种实时有效的虹膜分割与眨眼参数计算方法和基于嘴唇内轮廓特征点曲线拟合的张口度获取方法。针对基于眨眼参数与张口度阈值法判别疲劳存在的适应性差,容易受到眨眼习惯、年龄、嘴巴大小和嘴唇厚度影响等问题,研究了不同年龄人群的眨眼参数的统计分布特性,提出了基于眨眼参数FR模型数字特征进行精神疲劳识别的方法,和结合张口度与张口持续时间双阈值进行哈欠判别的方法。针对眨眼参数FR模型数字特征对精神疲劳的过渡状态识别率不高、双阈值法哈欠检测无法区别深哈欠和浅哈欠等问题,在研究时间序列及其分类算法的基础上,以眨眼持续时间为基础,构建了一种BD-时间序列,提出了相应的分段方法和HMM时序分类算法;以张口度为基础,构建了一种M-时间序列,提出了相应的分段和分类方法,提高了精神疲劳过渡状态的识别率,并能够对不同疲劳状态的哈欠进行区别。3、精神疲劳的面部慢性疲态特征研究与识别与中医科专家对工作生活压力等导致的伴有严重睡眠障碍的慢性疲劳(SD_CFS)者的面部视频进行研究后发现:SD CFS者存在肤色暗淡、卧蚕突出、印堂“川”字形纹理和嘴角下压等面部慢性疲态特征,提出了特征提取、融合、降维和面部慢性疲态识别的方法,为被测者工作生活压力信息的非侵扰式自动获取提供了一种有效的途径。4、分层多特征多方法可拓融合的精神疲劳识别分析了本文所提出的各种精神疲劳面部特征与识别方法的优势和不足,以及多特征多方法融合过程中存在的矛盾,提出了一种分层多方法多特征可拓融合进行精神疲劳识别的方法。按照单特征、双特征、多特征分层给出了各层可拓融合的思路与机制、模态的定义、模态切换的规则和矛盾裁决的方法。论文最后进行了总结,介绍了主要研究成果及创新点,指出了进一步的研究方向。