声明
摘要
第1章绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1基于驾驶员生理参数的疲劳检测方法
1.2.2基于驾驶员操作行为和车辆行驶状态的疲劳检测方法
1.2.3基于面部视觉表情的驾驶员疲劳检测方法
1.2.4基于多源特征融合的驾驶员疲劳检测
1.3驾驶疲劳检测研究面临的问题和挑战
1.4本文主要研究内容
第2章驾驶员面部特征区域定位
2.1图像预处理
2.1.1图片灰度化
2.1.2直方图均衡化
2.2驾驶员面部关键点检测
2.2.2基于回归树集成的面部关键点检测
2.3驾驶员面部有效区域提取
2.3.1眼睛区域定位
2.3.2嘴巴区域定位
2.4本章小结
第3章驾驶员面部关键区域状态感知模型
3.1深度学习基本原理
3.1.1卷积神经网络结构
3.1.2卷积神经网络优化策略
3.2驾驶员眼睛状态检测模型
3.3驾驶员嘴巴状态检测模型
3.4本章小结
第4章驾驶员面部动态表情疲劳状态检测模型设计
4.1驾驶员面部多源疲劳特征融合
4.1.1特征融合方法
4.1.2分解双线性特征融合方法介绍
4.1.3多源面部疲劳特征融合模型设计
4.2驾驶员疲劳状态时间信息识别模型
4.2.1循环神经网络
4.2.2LSTM结构及模型优化
4.3驾驶员疲劳状态检测模型设计与训练
4.3.1疲劳状态检测模型的训练与优化
4.3.2帧扩充及疲劳状态概率向量构造
4.4本章小结
第5章驾驶员疲劳检测实验及结果分析
5.1驾驶员疲劳检测数据
5.1.1驾驶员面部状态判定规则
5.1.2实车数据集
5.1.3模拟数据集
5.2驾驶员面部状态检测实验
5.2.1数据集预处理
5.2.2驾驶员眼睛状态检测实验
5.2.3驾驶员嘴巴状态检测实验
5.3驾驶员疲劳状态检测实验
5.3.1实验一:帧数选择及特征融合位置对检测准确率的影响
5.3.2实验二:不同数目概率向量及分类器选择对检测准确率的影响
5.3.3实验三:LSTM结构及单元数对检测准确率的影响
5.3.4实验四:疲劳检测模型实车数据测试实验结果
5.4本章小结
总结与展望
参考文献
致谢
攻读硕士学位期间发表论文及参与课题情况
山东大学;