| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于行车数据的驾驶人疲劳检测技术 | 第11页 |
| 1.2.2 基于生理状态的驾驶人疲劳检测技术 | 第11-12页 |
| 1.2.3 基于图像处理的驾驶人疲劳检测技术 | 第12-13页 |
| 1.2.4 卷积神经网络技术在人脸识别和疲劳检测领域的发展 | 第13-14页 |
| 1.2.5 文献综述 | 第14-15页 |
| 1.3 研究内容及方法 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-17页 |
| 1.4 论文组织安排 | 第17-18页 |
| 第二章 人脸检测算法基础 | 第18-24页 |
| 2.1 基于先验知识的人脸检测算法 | 第18-20页 |
| 2.1.1 基于模板匹配的人脸检测算法 | 第18-19页 |
| 2.1.2 基于肤色特征的人脸检测算法 | 第19页 |
| 2.1.3 基于灰度积分投影的人脸检测算法 | 第19-20页 |
| 2.2 基于统计模型的人脸检测算法 | 第20-23页 |
| 2.2.1 基于支持向量机的人脸检测算法 | 第20-21页 |
| 2.2.2 基于隐马尔可夫模型的人脸检测算法 | 第21页 |
| 2.2.3 基于Adaboost分类器的人脸检测算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 驾驶人人脸姿态校正算法研究 | 第24-34页 |
| 3.1 人脸姿态校正算法流程设计 | 第24-25页 |
| 3.2 基于方向梯度直方图(HOG)的人脸定位算法研究 | 第25-27页 |
| 3.2.1 HOG算法原理 | 第25-26页 |
| 3.2.2 HOG算法性能分析 | 第26-27页 |
| 3.3 基于局部约束神经模型(CLNF)算法的人脸特征点定位研究 | 第27-32页 |
| 3.3.1 CLNF算法原理 | 第27-32页 |
| 3.3.1.1 Shape模型构建 | 第28-29页 |
| 3.3.1.2 Patch模型 | 第29-30页 |
| 3.3.1.3 目标函数的构建 | 第30-31页 |
| 3.3.1.4 CLNF算法计算流程 | 第31-32页 |
| 3.3.2 CLNF算法实验分析 | 第32页 |
| 3.4 基于旋转变换的人脸姿势校正算法研究 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 卷积神经网络基础 | 第34-45页 |
| 4.1 感知机与反向传播算法 | 第34-39页 |
| 4.1.1 单层感知机 | 第34-36页 |
| 4.1.2 多层感知机 | 第36-38页 |
| 4.1.3 反向传播算法 | 第38-39页 |
| 4.2 卷积神经网络的基本结构 | 第39-44页 |
| 4.2.1 卷积神经网络输入层 | 第40页 |
| 4.2.2 卷积神经网络卷积层 | 第40-42页 |
| 4.2.2.1 卷积运算与激活函数 | 第40-42页 |
| 4.2.2.2 卷积层设计 | 第42页 |
| 4.2.3 神经网络池化层 | 第42-43页 |
| 4.2.4 神经网络全连接层 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 基于卷积神经网络的疲劳特征提取与识别 | 第45-53页 |
| 5.1 OpenFace网络的结构和训练算法 | 第45-49页 |
| 5.1.1 Openface网络结构 | 第46-47页 |
| 5.1.2 使用Inception结构提取人脸特征 | 第47-48页 |
| 5.1.3 Openface网络的训练流程 | 第48-49页 |
| 5.2 疲劳驾驶特征提取网络设计 | 第49-51页 |
| 5.3 利用微调(Finetune)技术训练疲劳驾驶检测网络 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 驾驶人疲劳检测算法的实现 | 第53-62页 |
| 6.1 疲劳驾驶检测算法的开发环境 | 第53-55页 |
| 6.1.1 Linux系统简介 | 第53-54页 |
| 6.1.2 Python语言 | 第54-55页 |
| 6.2 疲劳驾驶检测系统预处理算法的实现 | 第55-58页 |
| 6.2.1 安装Dlib机器学习库 | 第55-56页 |
| 6.2.2 使用HOG算法进行人脸检测 | 第56-57页 |
| 6.2.3 使用CLNF算法检测人脸特征点 | 第57-58页 |
| 6.3 驾驶人疲劳检测网络的安装与配置 | 第58-61页 |
| 6.4 本章小结 | 第61-62页 |
| 第七章 实验结果分析 | 第62-69页 |
| 7.1 驾驶人疲劳检测网络的训练 | 第62-65页 |
| 7.1.1 PERCLOS疲劳检测标准 | 第62-63页 |
| 7.1.2 疲劳样本数据库的建立以及模型训练 | 第63-65页 |
| 7.2 疲劳驾驶检测算法实验及结果分析 | 第65-68页 |
| 7.2.1 实验室测试结果分析 | 第65-66页 |
| 7.2.2 实车测试结果分析 | 第66-68页 |
| 7.3 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 总结 | 第69-70页 |
| 对未来工作展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
