基于门控制循环神经网络的疲劳驾驶检测方法及系统设计

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.2.1 基于驾驶员生理特征的疲劳检测方法

1.2.2 基于车辆行为特征的疲劳检测方法

1.2.3 基于驾驶员视觉特征的疲劳检测方法

1.3 论文研究内容

1.4 论文组织结构

第二章 卷积神经网络与循环神经网络基本原理

2.1 卷积神经网络基础知识

2.2 卷积神经网络的主要特点

2.3 CNN的核心组件

2.3.1 卷积层

2.3.2 激活函数层

2.3.3 池化层

2.3.4 全连接层

2.3.5 前向传播算法

2.3.6 反向传播算法

2.4 循环神经网络原理

2.5 本章小结

第三章 图像采集系统和疲劳检测系统的设计

3.1 红外相机采集系统

3.2 嵌入式平台开发模块

3.2.1 嵌入式系统硬件基本环境

3.2.2 嵌入式系统软件设计

3.3 算法优化技术

3.3.1 NEON优化方法

3.3.2 Winograd优化方法

3.4 本章小结

第四章 驾驶员疲劳检测

4.1 PERCLOS检测流程以及评估算法

4.1.1 人脸检测及眼睛嘴部区域提取

4.1.2 眼睛和嘴部状态识别网络结构

4.1.3 基于PERCLOS准则的疲劳检测算法

4.2 门控循环神经网络的设计

4.2.1 批量归一化操作

4.2.2 时间卷积网络

4.2.3 门控循环单元

4.2.4 FCN-GRU的网络结构

4.3 人脸及特征点检测实验结果与分析

4.3.1 实验平台和数据集

4.3.2 眼睛嘴部区域定位结果

4.4 基于CNN的眼睛嘴部状态识别实验结果与分析

4.4.1 实验样本

4.4.2 眼睛嘴部状态识别网络实验结果

4.5 疲劳检测实验结果与分析

4.5.1 实验样本与实验平台

4.5.2 实验参数设置

4.5.3 实验对比与结果分析

4.5.4 嵌入式系统测试与分析

4.6 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况

致谢