| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要工作及创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 卷积神经网络理论基础 | 第16-21页 |
| 2.1 卷积神经网络 | 第16-17页 |
| 2.2 卷积神经网络的前向传播 | 第17-18页 |
| 2.3 卷积神经网络的反向传播 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于辅助训练的DCNN人脸特征点检测方法研究 | 第21-30页 |
| 3.1 人脸特征点检测常规方法 | 第21-23页 |
| 3.1.1 基于局部的方法 | 第21页 |
| 3.1.2 基于整体的方法 | 第21-23页 |
| 3.2 基于DCNN的特征点检测方法 | 第23页 |
| 3.3 基于辅助训练与DCNN的人脸特征点检测 | 第23-29页 |
| 3.3.1 网络结构 | 第24-26页 |
| 3.3.2 网络训练 | 第26-27页 |
| 3.3.3 实验结果与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于多任务协同与几何约束初始化的学习方法研究 | 第30-43页 |
| 4.1 多任务学习 | 第30-31页 |
| 4.2 多任务协同回归学习 | 第31-33页 |
| 4.3 多任务协同回归学习模型训练 | 第33-34页 |
| 4.4 实验结果与分析 | 第34-37页 |
| 4.4.1 特征点检测性能 | 第34-36页 |
| 4.4.2 姿态估计性能 | 第36-37页 |
| 4.5 基于空间几何约束的协同模型初始化 | 第37-42页 |
| 4.5.1 六点构成的特征数 | 第37-38页 |
| 4.5.2 构造特征数约束 | 第38-39页 |
| 4.5.3 实验结果 | 第39-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 融合面部信息与头部姿态的疲劳检测研究 | 第43-54页 |
| 5.1 疲劳程度评价基准的建立 | 第43-44页 |
| 5.2 疲劳特征的提取 | 第44-48页 |
| 5.2.1 眼部的疲劳特征提取 | 第45-47页 |
| 5.2.2 嘴巴的疲劳特征提取 | 第47-48页 |
| 5.2.3 头部姿态的疲劳特征提取 | 第48页 |
| 5.3 信息融合与疲劳程度评估 | 第48-51页 |
| 5.4 疲劳程度评估实验 | 第51-52页 |
| 5.5 在线疲劳检测系统软件平台搭建 | 第52-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 本文主要工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 附录 | 第64页 |