基于深度学习的疲劳驾驶检测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 基于驾驶员生理特征的疲劳驾驶检测方法 | 第13页 |
| 1.2.2 基于车辆运动特征的疲劳驾驶检测方法 | 第13-14页 |
| 1.2.3 基于驾驶员面部特征的疲劳驾驶检测方法 | 第14-16页 |
| 1.3 本文研究内容 | 第16-18页 |
| 1.3.1 基于深度学习的眨眼检测方法 | 第16-17页 |
| 1.3.2 基于低光增强的夜间眨眼检测方法 | 第17页 |
| 1.3.3 基于深度学习的疲劳驾驶检测系统 | 第17-18页 |
| 1.4 论文组织 | 第18-19页 |
| 第2章 疲劳驾驶检测技术 | 第19-31页 |
| 2.1 神经网络与深度学习 | 第19-20页 |
| 2.2 卷积神经网络 | 第20-24页 |
| 2.2.1 常见卷积神经网络模型结构 | 第22-24页 |
| 2.3 低光增强 | 第24-26页 |
| 2.3.1 常用的低光增强算法 | 第25-26页 |
| 2.4 人脸关键点检测 | 第26-30页 |
| 2.4.1 常用的人脸关键点检测方法 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于深度学习的眨眼检测方法 | 第31-47页 |
| 3.1 问题描述 | 第31页 |
| 3.2 系统框架 | 第31-32页 |
| 3.3 算法流程及相关方法 | 第32-40页 |
| 3.3.1 人脸检测及人眼定位 | 第32-37页 |
| 3.3.2 眼睛睁闭眼状态判断 | 第37-40页 |
| 3.4 实验设计与结果分析 | 第40-46页 |
| 3.4.1 数据集 | 第40-42页 |
| 3.4.2 实验过程 | 第42-43页 |
| 3.4.3 实验结果与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于低光增强的夜间眨眼检测方法 | 第47-61页 |
| 4.1 问题定义 | 第47页 |
| 4.2 系统框架 | 第47-48页 |
| 4.3 算法流程及相关方法 | 第48-53页 |
| 4.3.1 低光增强算法介绍 | 第48-53页 |
| 4.3.2 基于低光增强的夜间眨眼检测模型构建 | 第53页 |
| 4.4 实验设计与结果分析 | 第53-60页 |
| 4.4.1 实验数据处理 | 第53-54页 |
| 4.4.2 实验过程 | 第54-55页 |
| 4.4.3 实验结果与分析 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 基于深度学习的疲劳驾驶检测系统 | 第61-65页 |
| 5.1 硬件系统 | 第61-62页 |
| 5.1.1 疲劳驾驶检测终端 | 第61-62页 |
| 5.1.2 后台管理系统 | 第62页 |
| 5.2 软件系统 | 第62-65页 |
| 5.2.1 疲劳驾驶检测终端 | 第62-64页 |
| 5.2.2 后台管理系统 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 在读期间发表的学术论文与取得的研究成果 | 第72页 |
