声明
第一章 引言
§1.1 研究背景及意义
§1.2 国内外研究现状
§1.2.1 传统式驾驶员安全带检测方法
§1.2.2 卷积神经网络式驾驶员安全带检测方法
§1.3 本文主要研究内容和创新点
§1.3.1 主要研究内容
§1.3.2 论文创新点
第二章 背景知识介绍
§2.1 基于传统的图像特征提取方式
§2.1.1 Haar-lik特征
§2.1.2 Hog特征
§2.1.3 AdaBoost原理
§2.2 基于卷积神经网络的图像特征提取方式
§2.2.1 卷积神经网络（CNN）
§2.2.2 经典网络模型介绍
§2.3 本章小结
第三章 一种改进的级联卷积神经网络驾驶员检测方法
§3.1 汽车驾驶员检测简介
§3.2 构建汽车驾驶员图像数据集
§3.3 构建驾驶员检测网络模型
§3.3.1 基于MTCNN算法的驾驶员检测
§3.3.2 任务设置
§3.4 实验结果分析
§3.4.1 评价标准
§3.4.2 驾驶员检测实验结果
§3.5 本章小结
第四章 基于卷积通道建模的安全带识别方法
§4.1 构建驾驶员图像数据集
§4.2 驾驶员安全带检测总体框架
§4.3 基于卷积通道建模的安全带识别
§4.3.1 特征压缩及通道建模
§4.3.2 中心损失函数
§4.3.3 网络设计
§4.3.4 参数设置
§4.3.5 网络结构对比
§4.4 实验结果分析
§4.4.1 实验环境
§4.4.2 实验数据处理
§4.4.3 测试实验结果
§4.5 本章小结
第五章 总结与展望
§5.1 工作总结
§5.2 未来展望
致谢
参考文献
作者在攻读硕士期间的主要研究成果
