基于机器学习的疲劳驾驶监测识别系统设计与开发
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 疲劳驾驶定义及产生原因 | 第13页 |
| 1.3 疲劳驾驶研究现状 | 第13-18页 |
| 1.3.1 识别方法研究现状 | 第14-17页 |
| 1.3.3 识别模型研究现状 | 第17页 |
| 1.3.4 研究现状总结 | 第17-18页 |
| 1.4 论文研究内容及创新点 | 第18-20页 |
| 1.5 论文章节安排 | 第20-21页 |
| 第2章 疲劳驾驶监测识别基本理论 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 疲劳驾驶监测识别原理 | 第21-26页 |
| 2.2.1 基于行为信息检测识别原理 | 第21-24页 |
| 2.2.2 基于生理信息预测识别原理 | 第24-26页 |
| 2.3 疲劳驾驶监测识别模型算法 | 第26-27页 |
| 2.4 检测数据采集方法 | 第27-28页 |
| 2.4.1 眼部信息数据采集方法 | 第27-28页 |
| 2.4.2 生理信息数据采集方法 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 疲劳驾驶监测识别系统设计与开发 | 第29-50页 |
| 3.1 引言 | 第29页 |
| 3.2 疲劳驾驶监测识别系统设计 | 第29-34页 |
| 3.2.1 系统设计目标 | 第29-30页 |
| 3.2.2 系统设计方案 | 第30-33页 |
| 3.2.3 系统实现技术路线 | 第33-34页 |
| 3.3 系统支撑平台开发 | 第34-39页 |
| 3.3.1 硬件平台开发 | 第34-36页 |
| 3.3.2 软件平台开发 | 第36-39页 |
| 3.4 检测数据优化处理 | 第39-49页 |
| 3.4.1 眼睑检测数据优化处理 | 第40-44页 |
| 3.4.2 生理信息数据优化处理 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 疲劳驾驶监测识别模型构建 | 第50-79页 |
| 4.1 引言 | 第50页 |
| 4.2 系统模型样本标签设定 | 第50-54页 |
| 4.2.1 眼睑指标样本标签设定 | 第50-52页 |
| 4.2.2 生理指标样本标签设定 | 第52-54页 |
| 4.3 系统识别模型构建 | 第54-68页 |
| 4.3.1 随机森林模型设计 | 第55-60页 |
| 4.3.2 随机森林模型分析 | 第60-62页 |
| 4.3.3 随机森林模型优化 | 第62-68页 |
| 4.4 系统模型分析与仿真验证 | 第68-78页 |
| 4.4.1 模型精确度和效率验证分析 | 第68-72页 |
| 4.4.2 模型可靠性与稳定性验证分析 | 第72-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第5章 疲劳驾驶监测识别系统功能测试 | 第79-96页 |
| 5.0 引言 | 第79页 |
| 5.1 系统支撑平台功能测试 | 第79-87页 |
| 5.1.1 软件控制程序功能测试 | 第79-81页 |
| 5.1.2 硬件模块驱动功能测试 | 第81-87页 |
| 5.2 疲劳驾驶监测识别功能测试 | 第87-94页 |
| 5.2.1 眼睑指标检测功能测试 | 第87-91页 |
| 5.2.2 生理特征向量选择测试 | 第91-93页 |
| 5.2.3 系统监测识别功能测试 | 第93-94页 |
| 5.3 系统检测性能测试 | 第94-95页 |
| 5.4 本章小结 | 第95-96页 |
| 第6章 总结与展望 | 第96-98页 |
| 6.1 工作总结 | 第96-97页 |
| 6.2 创新成果 | 第97页 |
| 6.3 研究展望 | 第97-98页 |
| 参考文献 | 第98-105页 |
| 致谢 | 第105-106页 |
| 附录 | 第106页 |
| 附录一 攻读硕士期间发表的论文和参与的项目 | 第106页 |
| 一.发表论文 | 第106页 |
| 二.发明专利 | 第106页 |
| 三.参与项目 | 第106页 |
| 四.相关成果 | 第106页 |
