基于认知科学的管制员疲劳状态检测方法研究与系统设计
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外管制疲劳研究现状 | 第13-14页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 管制疲劳的检测方法 | 第14-16页 |
| 1.3.1 主观检测法 | 第15页 |
| 1.3.2 客观检测法 | 第15-16页 |
| 1.4 当前存在的问题 | 第16-17页 |
| 1.5 研究内容 | 第17-18页 |
| 1.6 研究方法 | 第18-20页 |
| 1.7 本章小结 | 第20-21页 |
| 第二章 管制疲劳概论 | 第21-25页 |
| 2.1 疲劳定义 | 第21页 |
| 2.2 管制疲劳概述 | 第21-23页 |
| 2.2.1 管制疲劳定义 | 第21-22页 |
| 2.2.2 管制疲劳的表现 | 第22页 |
| 2.2.3 管制疲劳影响因素 | 第22-23页 |
| 2.2.4 管制疲劳类别 | 第23页 |
| 2.3 管制员疲劳机理分析 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 人脸检测算法研究 | 第25-40页 |
| 3.1 人脸检测算法概述 | 第25-27页 |
| 3.1.1 基于先验知识的检测方法 | 第25-26页 |
| 3.1.2 基于统计学习的检测方法 | 第26页 |
| 3.1.3 基于深度学习的检测方法 | 第26-27页 |
| 3.1.4 人脸检测方法的比较 | 第27页 |
| 3.2 卷积神经网络 | 第27-33页 |
| 3.2.1 CNN网络结构 | 第28-31页 |
| 3.2.2 卷积神经网络的结构特点 | 第31-33页 |
| 3.3 基于卷积神经网络人脸检测算法研究 | 第33-39页 |
| 3.3.1 MTCNN人脸检测算法 | 第33-36页 |
| 3.3.1.1 MTCNN网络结构 | 第34-35页 |
| 3.3.1.2 MTCNN人脸检测网络训练 | 第35-36页 |
| 3.3.2 VGG-16 卷积神经网络 | 第36-38页 |
| 3.3.2.1 VGG-16 卷积神经网络结构 | 第37页 |
| 3.3.2.2 VGG-16 卷积神经网络特点 | 第37-38页 |
| 3.3.3 ResNet-50 网络 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 管制员人脸特征数据采集 | 第40-50页 |
| 4.1 实验平台搭建 | 第40-41页 |
| 4.2 实验流程设计 | 第41-46页 |
| 4.2.1 被试人员 | 第41页 |
| 4.2.2 实验流程 | 第41-42页 |
| 4.2.3 图片预处理 | 第42-46页 |
| 4.2.3.1 图片灰度化处理 | 第42-43页 |
| 4.2.3.2 直方图均衡化 | 第43-45页 |
| 4.2.3.3 图像降噪 | 第45-46页 |
| 4.3 基于MTCNN人脸检测模型研究 | 第46-47页 |
| 4.4 人脸特征数据集构建 | 第47-49页 |
| 4.4.1 公共人脸特征数据集 | 第47-49页 |
| 4.4.2 自建管制员人脸特征数据集 | 第49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 管制员人脸特征状态识别建模 | 第50-63页 |
| 5.1 基于VGG-16 网络人眼识别建模 | 第50-55页 |
| 5.1.1 建立人眼识别模型架构 | 第50-51页 |
| 5.1.2 模型的调整 | 第51-55页 |
| 5.2 基于ResNet-50 网络嘴部识别建模 | 第55-58页 |
| 5.2.1 建立嘴部识别模型架构 | 第55-57页 |
| 5.2.2 模型的调整 | 第57-58页 |
| 5.3 自建卷积神经网络嘴部识别模型 | 第58-59页 |
| 5.4 实验结果与分析 | 第59-62页 |
| 5.4.1 数据预处理 | 第59-60页 |
| 5.4.2 眼部模型实验结果分析 | 第60-61页 |
| 5.4.3 嘴部模型实验结果分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 管制员疲劳检测系统设计 | 第63-71页 |
| 6.1 系统硬件和软件开发模块 | 第63页 |
| 6.2 卷积神经网络开发模块 | 第63-64页 |
| 6.3 Numpy库 | 第64页 |
| 6.4 疲劳检测模块开发 | 第64-68页 |
| 6.4.1 疲劳检测模块结构 | 第64-65页 |
| 6.4.2 疲劳参数 | 第65-67页 |
| 6.4.3 疲劳检测等级划分 | 第67-68页 |
| 6.4.4 疲劳检测模块判定 | 第68页 |
| 6.5 图形开发界面OpenCV | 第68-69页 |
| 6.6 系统测试结果 | 第69-70页 |
| 6.7 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的学术成果 | 第77-78页 |
| 致谢 | 第78页 |
