| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 研究内容及创新点 | 第16-17页 |
| 1.4 论文章节安排 | 第17-18页 |
| 2 相关技术研究 | 第18-23页 |
| 2.1 深度学习理论 | 第18-19页 |
| 2.2 卷积神经网络特性 | 第19-20页 |
| 2.3 卷积神经网络结构 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于MTCNN的人脸检测与特征点定位 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 MTCNN算法原理 | 第23-26页 |
| 3.3 MTCNN多任务训练与测试 | 第26-29页 |
| 3.4 实验结果与分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于EM-CNN的驾驶员眼嘴多状态识别算法 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 基于区域分割的ROI提取方法 | 第32-34页 |
| 4.3 眼嘴多状态识别 | 第34-35页 |
| 4.4 EM-CNN算法实现过程 | 第35-37页 |
| 4.5 实验结果与分析 | 第37-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 基于PERCLOS和 POM指标的疲劳驾驶状态识别 | 第43-48页 |
| 5.1 引言 | 第43-44页 |
| 5.2 多指标融合的疲劳状态检测 | 第44-45页 |
| 5.3 实验结果与分析 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48-49页 |
| 6.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简历 | 第54-56页 |
| 学位论文数据集 | 第56页 |