基于视频监控的驾驶员分心状态检测方法的研究与实现

目录

声明

第一章 绪论

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 高级驾驶辅助系统

1.2.2 驾驶员分心驾驶的检测技术

1.2.3 研究现状总结

1.3 本文的内容与结构

第二章 相关理论技术

2.1 卷积神经网络

2.1.1 卷积神经网络概述

2.1.2 基本原理

2.1.3 激活函数

2.2.1 全局平均池化

2.2.2 多尺度卷积

2.3.1 Adaboost算法原理

2.3.2 Haar-like特征

2.3.3 基于Haar-like特征的人脸检测

2.4 本章小结

第三章 面部定位算法

3.1 KCF目标追踪算法

3.2 基于肤色分割的人脸定位算法

3.2.1 肤色模型建模

3.2.2 基于活动区域的肤色阈值分割

3.2.3 面部区域检测

3.3 驾驶员面部定位实验

3.4 本章小结

第四章 分心状态检测方法

4.1 任务概述

4.2 多任务学习理论

(1) 硬参数共享

(2) 软参数共享

4.3.1 VGG网络

4.3.2 改进的网络结构

4.4.1 数据采集

4.4.2 生成数据集文件

4.4.3 模型训练方式分析与选择

4.4.4 数据增强

4.4.5 网络模型训练方法

4.5.1 实验平台

4.5.2 模型测试

4.5.3 性能测试

4.5.4 实验对比

4.5.5 注意力可视化

4.6 本章小结

第五章 分心识别系统

5.1 需求分析

5.1.1 系统目标概述

5.1.2 功能性需求

5.1.3 非功能性需求

5.2 系统设计

5.2.1 系统开发环境

5.2.2 识别终端设计

5.2.3 数据库设计

5.3 系统实现

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士期间取得的研究成果