基于深度学习的疲劳驾驶检测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-11页 |
| 1.3 研究内容 | 第11-13页 |
| 2 关键技术研究 | 第13-21页 |
| 2.1 Haar特征 | 第13页 |
| 2.2 AdaBoost人脸检测 | 第13-15页 |
| 2.3 图像预处理 | 第15-17页 |
| 2.4 人工神经网络与卷积神经网络 | 第17-19页 |
| 2.5 深度学习与Caffe框架 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 疲劳驾驶检测系统的需求分析 | 第21-24页 |
| 3.1 系统的功能需求分析 | 第21-22页 |
| 3.2 系统的性能需求分析 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 4 疲劳驾驶检测系统的设计 | 第24-33页 |
| 4.1 疲劳驾驶检测系统的总体设计 | 第24-27页 |
| 4.2 疲劳驾驶检测系统的详细设计 | 第27-32页 |
| 4.3 本章小结 | 第32-33页 |
| 5 疲劳驾驶检测系统的实现与测试 | 第33-52页 |
| 5.1 系统的实现环境 | 第33页 |
| 5.2 眼睛的粗略定位的实现 | 第33-35页 |
| 5.3 图像预处理的实现 | 第35-43页 |
| 5.4 基于深度学习的眼睛识别的实现 | 第43-47页 |
| 5.5 疲劳状态的判断的实现 | 第47-49页 |
| 5.6 实验结果及分析 | 第49-50页 |
| 5.7 本章小结 | 第50-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 全文总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
