基于驾驶行为的疲劳驾驶检测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·基于生理特征的检测方法 | 第12页 |
| ·基于面部特征的检测方法 | 第12-13页 |
| ·基于驾驶行为的检测方法 | 第13-14页 |
| ·基于信息融合的检测方法 | 第14-15页 |
| ·当前研究不足 | 第15页 |
| ·研究内容 | 第15-17页 |
| ·本文研究内容 | 第15-16页 |
| ·本文技术路线 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第2章 疲劳驾驶检测的理论基础 | 第18-30页 |
| ·驾驶行为研究 | 第18-20页 |
| ·驾驶行为的基本理论 | 第18-19页 |
| ·疲劳驾驶的成因与表征 | 第19-20页 |
| ·特征分析方法概述 | 第20-22页 |
| ·时域统计分析法 | 第20-21页 |
| ·样本熵分析法 | 第21-22页 |
| ·模式分类的基本理论 | 第22-26页 |
| ·相似性度量方法 | 第22-23页 |
| ·常用的分类方法 | 第23-26页 |
| ·信息融合基本原理 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 实验设计与数据采集 | 第30-40页 |
| ·驾驶模拟实验平台 | 第30-33页 |
| ·驾驶模拟平台简介 | 第30-31页 |
| ·驾驶模拟平台有效性验证 | 第31-33页 |
| ·实验设计方案 | 第33-37页 |
| ·驾驶行为信号选取 | 第33-34页 |
| ·实验人员 | 第34页 |
| ·实验场景 | 第34-35页 |
| ·实验过程 | 第35-37页 |
| ·疲劳样本数据库建立 | 第37-38页 |
| ·数据整理与分析 | 第37页 |
| ·样本数据库构建 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 疲劳驾驶行为分析 | 第40-58页 |
| ·速度 | 第40-44页 |
| ·速度统计分析 | 第40-42页 |
| ·速度样本熵分析 | 第42-44页 |
| ·加速度 | 第44-47页 |
| ·加速度统计分析 | 第44-47页 |
| ·加速度样本熵分析 | 第47页 |
| ·方向盘转角 | 第47-51页 |
| ·方向盘转角统计分析 | 第47-50页 |
| ·方向盘转角样本熵分析 | 第50-51页 |
| ·刹车力度 | 第51-53页 |
| ·刹车力度统计分析 | 第51-52页 |
| ·刹车力度样本熵分析 | 第52-53页 |
| ·车辆横向位置 | 第53-56页 |
| ·车辆横向位置统计分析 | 第53-55页 |
| ·车辆横向位置样本熵分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 疲劳驾驶检测算法研究 | 第58-76页 |
| ·基于KNN的疲劳驾驶检测算法 | 第58-61页 |
| ·KNN分类算法 | 第58-59页 |
| ·实验结果分析 | 第59-61页 |
| ·基于加权投票法的疲劳驾驶检测算法 | 第61-66页 |
| ·传统投票法 | 第61-62页 |
| ·改进的加权投票法 | 第62-65页 |
| ·实验结果分析 | 第65-66页 |
| ·基于神经网络的疲劳驾驶检测算法 | 第66-70页 |
| ·基于BP神经网络的疲劳驾驶识别 | 第66-67页 |
| ·基于GA_BP神经网络的疲劳驾驶识别 | 第67-68页 |
| ·实验结果分析 | 第68-70页 |
| ·几种检测算法性能对比分析 | 第70-74页 |
| ·识别准确率比较 | 第70-71页 |
| ·运行时间比较 | 第71-74页 |
| ·本章小结 | 第74-76页 |
| 总结与展望 | 第76-80页 |
| 研究工作总结 | 第76-77页 |
| 研究的创新点 | 第77页 |
| 未来研究展望 | 第77-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间发表的论文 | 第86-88页 |
| 致谢 | 第88页 |
