基于深度学习的驾驶员疲劳检测方法研究
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题的研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于驾驶员生理参数的疲劳检测方法 | 第11-12页 |
| 1.2.2 基于驾驶行为特征的疲劳检测方法 | 第12-13页 |
| 1.2.3 基于视觉特征的疲劳检测方法 | 第13-14页 |
| 1.3 当前存在的问题及本文研究内容 | 第14-16页 |
| 1.3.1 当前存在的问题 | 第14-15页 |
| 1.3.2 本文研究内容 | 第15-16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第二章 深度学习理论 | 第18-26页 |
| 2.1 深度学习概述 | 第18-19页 |
| 2.2 深度学习过程 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 驾驶员人脸及特征点检测 | 第26-38页 |
| 3.1 多任务级联卷积神经网络 | 第26-30页 |
| 3.2 眼睛区域定位 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-36页 |
| 3.3.1 测试环境 | 第32-33页 |
| 3.3.2 数据集 | 第33-34页 |
| 3.3.3 定位结果 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 驾驶员面部状态识别 | 第38-46页 |
| 4.1 眼睛状态识别网络 | 第38-40页 |
| 4.2 面部状态识别算法 | 第40-43页 |
| 4.2.1 眼部状态识别 | 第40-41页 |
| 4.2.2 面部状态空间 | 第41-43页 |
| 4.3 实验结果与分析 | 第43-44页 |
| 4.3.1 数据库与数据准备 | 第43页 |
| 4.3.2 实验与分析 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 驾驶员疲劳检测 | 第46-58页 |
| 5.1 疲劳驾驶概述 | 第46页 |
| 5.2 长短时记忆网络 | 第46-51页 |
| 5.3 检测流程及评估算法 | 第51-54页 |
| 5.4 实验结果与分析 | 第54-56页 |
| 5.4.1 疲劳数据样本 | 第54页 |
| 5.4.2 疲劳检测结果 | 第54-56页 |
| 5.5 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 后续研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表论文和参加科研情况 | 第64-66页 |
| 致谢 | 第66页 |
