基于视频分析的执勤人员疲劳和离岗检测系统软件设计
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-16页 |
| 1.1 课题的背景与意义 | 第11页 |
| 1.2 相关研究现状 | 第11-14页 |
| 1.2.1 疲劳检测 | 第11-13页 |
| 1.2.2 行人检测研究 | 第13-14页 |
| 1.3 课题研究内容 | 第14-15页 |
| 1.4 论文章节结构 | 第15-16页 |
| 2 相关技术介绍 | 第16-25页 |
| 2.1 实时流媒体传输技术 | 第16-17页 |
| 2.2 数字图像处理技术 | 第17-18页 |
| 2.2.1 图像编码压缩 | 第17页 |
| 2.2.2 OpenCV计算机视觉库 | 第17-18页 |
| 2.3 机器学习相关知识 | 第18-24页 |
| 2.3.1 ML | 第18-21页 |
| 2.3.2 CNN | 第21-24页 |
| 2.3.3 Caffe深度学习框架 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 系统框架与详细设计 | 第25-41页 |
| 3.1 需求分析 | 第25-26页 |
| 3.2 系统总体架构 | 第26-28页 |
| 3.3 系统详细设计 | 第28-40页 |
| 3.3.1 系统通信设计 | 第28-31页 |
| 3.3.2 服务器端设计 | 第31-35页 |
| 3.3.3 客户端设计 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 执勤人员疲劳检测模块详细设计 | 第41-56页 |
| 4.1 MTCNN实现原理 | 第41-45页 |
| 4.2 执勤人员疲劳检测业务设计 | 第45-55页 |
| 4.2.1 图像预处理模块 | 第45-46页 |
| 4.2.2 人脸检测及特征点检测模块 | 第46-47页 |
| 4.2.3 人眼区域获取 | 第47-48页 |
| 4.2.4 人眼状态检测模块 | 第48-52页 |
| 4.2.5 准确度提升策略 | 第52-53页 |
| 4.2.6 疲劳判定模块 | 第53-55页 |
| 4.3 本章小结 | 第55-56页 |
| 5 执勤人员离岗检测模块详细设计 | 第56-66页 |
| 5.1 SSD实现原理 | 第56-59页 |
| 5.2 执勤人员离岗检测业务设计 | 第59-65页 |
| 5.2.1 SSD目标检测模块 | 第59-64页 |
| 5.2.2 离岗判定模块 | 第64-65页 |
| 5.3 本章小结 | 第65-66页 |
| 6 系统测试及结果分析 | 第66-74页 |
| 6.1 测试环境 | 第66-67页 |
| 6.2 功能测试 | 第67-69页 |
| 6.2.1 客户端实况显示 | 第67页 |
| 6.2.2 客户端报警管理 | 第67-69页 |
| 6.3 性能测试 | 第69-73页 |
| 6.3.1 疲劳算法模块性能测试 | 第69-71页 |
| 6.3.2 离岗算法模块性能测试 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 7 总结与展望 | 第74-76页 |
| 7.1 总结 | 第74-75页 |
| 7.2 展望 | 第75-76页 |
| 参考文献 | 第76-78页 |
