基于卷积神经网络的人脸识别在疲劳驾驶检测中的应用
| 摘要 | 第5-6页 |
| Abstarct | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 卷积神经网络的研究现状 | 第10-11页 |
| 1.2.2 疲劳驾驶检测系统的研究现状 | 第11-13页 |
| 1.3 论文的主要工作、内容安排及创新点 | 第13-16页 |
| 2 深度神经网络的概述及算法 | 第16-31页 |
| 2.1 人工神经网络 | 第16-22页 |
| 2.1.1 引言 | 第16页 |
| 2.1.2 神经元模型 | 第16-18页 |
| 2.1.3 神经网络 | 第18-20页 |
| 2.1.4 神经网络的训练 | 第20-22页 |
| 2.2 卷积神经网络 | 第22-30页 |
| 2.2.1 卷积神经网络模型 | 第22-23页 |
| 2.2.2 卷积层 | 第23-24页 |
| 2.2.3 池化采样 | 第24-25页 |
| 2.2.4 卷积神经网络的训练 | 第25-28页 |
| 2.2.5 卷积神经网络在手写体数字识别中的应用 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 基于卷积神经网络的人脸识别应用研究 | 第31-47页 |
| 3.1 常用的人脸数据库 | 第31-32页 |
| 3.2 常用的人脸识别方法 | 第32-33页 |
| 3.3 卷积神经网络人脸识别 | 第33-41页 |
| 3.3.1 反向传播（BP算法） | 第34-36页 |
| 3.3.2 卷积神经网络的反向传播算法 | 第36-38页 |
| 3.3.3 激励函数 | 第38页 |
| 3.3.4 分类器 | 第38-41页 |
| 3.4 人脸识别网络结构 | 第41-42页 |
| 3.5 人脸识别的训练与测试 | 第42-44页 |
| 3.5.1 人脸训练算法 | 第44页 |
| 3.5.2 人脸识别的测试算法 | 第44页 |
| 3.6 实验与分析 | 第44-46页 |
| 3.7 本章小结 | 第46-47页 |
| 4 驾驶员脸部和眼睛定位 | 第47-57页 |
| 4.1 人眼定位方法综述 | 第47-48页 |
| 4.2 基于边缘梯度信息的Hough变换眼睛定位 | 第48-53页 |
| 4.2.1 边缘检测 | 第48-50页 |
| 4.2.2 Hough变换原理 | 第50-52页 |
| 4.2.3 改进的Hough变换驾驶员眼睛定位 | 第52-53页 |
| 4.3 驾驶员人眼定位实验结果与对比 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 基于人脸识别的疲劳驾驶检测实验 | 第57-65页 |
| 5.1 疲劳驾驶检测概述 | 第57-58页 |
| 5.1.1 疲劳驾驶的定义 | 第57页 |
| 5.1.2 疲劳驾驶的检测方法 | 第57-58页 |
| 5.2 常用的疲劳驾驶判定方法 | 第58页 |
| 5.3 基于PERCLOS的疲劳判定方法 | 第58-63页 |
| 5.3.1 PERCLOS相关理论 | 第58-60页 |
| 5.3.2 驾驶员眼睛状态识别 | 第60-61页 |
| 5.3.3 疲劳状态判定 | 第61-63页 |
| 5.4 疲劳驾驶检测结果分析 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 总结和展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 学位论文数据集表 | 第75-76页 |
