隨著車輛保有量的增多,汽車安全問題越來越成為一個必須考量的問題。在每年的道路交通事故中,多數(shù)災難性的交通事故是由疲勞駕駛導致的。而且在我國并沒有將吸煙駕駛行為列入違規(guī)條例,但是實際上,仍然有一部分道路交通安全事故跟吸煙駕駛有關(guān)。所以對于營運車輛,比如“兩客一危”車輛,物流車輛,以及網(wǎng)約車輛的監(jiān)察更顯的尤為迫切和重要。對于駕駛員的疲勞駕駛和吸煙駕駛行為,目前主要的檢測手段有,基于駕駛員的生理特征進行的疲勞檢測,這類檢測疲勞方法準確度高,但因為需要與駕駛員身體接觸,所以便攜性差。另外基于視覺的非接觸類疲勞檢測,這類檢測可操作性強,速度快等優(yōu)點,但是傳統(tǒng)的特征提取手法提取特征種類有限,且過程繁瑣,同時對圖像質(zhì)量要求較高。而對于吸煙檢測,一般的吸煙檢測技術(shù)是通過儀器檢測駕駛室是否有煙霧,或者測量駕駛室的溫度等來判斷駕駛員是否有吸煙駕駛行為。這種檢測方式易受周圍環(huán)境干擾而導致漏檢誤檢。本文提出一種利用駕駛員臉部的關(guān)鍵點信息,計算并判斷其臉部的特征信息是否符合疲勞特征,以此來判斷駕駛員是否有疲勞駕駛行為,同時利用嘴部關(guān)鍵點信息合成吸煙圖像來解決吸煙數(shù)據(jù)缺乏的問題,為駕駛員吸煙檢測的研究提供充足的吸...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
縮略詞
第一章 緒論
    1.1 本文的研究背景與意義
    1.2 駕駛員疲勞駕駛行為檢測方法
        1.2.1 基于駕駛員生理特征的接觸類
        1.2.2 基于車輛的行駛參數(shù)及駕駛員行為特征的非接觸類
        1.2.3 外界干預疲勞檢測類
    1.3 駕駛員吸煙駕駛行為檢測方法
        1.3.1 穿戴式吸煙檢測方法
        1.3.2 非接觸式吸煙檢測方法
    1.4 國內(nèi)外研究現(xiàn)狀
        1.4.1 國內(nèi)研究現(xiàn)狀
        1.4.2 國外研究現(xiàn)狀
    1.5 本文主要研究內(nèi)容
第二章 基于臉部關(guān)鍵點信息的駕駛員行為分析研究
    2.1 基于深度學習的人臉檢測
    2.2 基于深度學習的人臉關(guān)鍵點檢測
    2.3 基于深度學習的圖像分類
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 卷積層
        2.4.2 池化層
    2.5 反向傳播算法
    2.6 本章小結(jié)
第三章 CNN-9和VGGNet-10 模型的搭建與訓練
    3.1 CNN-9 模型的搭建與訓練
        3.1.1 數(shù)據(jù)準備
        3.1.2 網(wǎng)絡(luò)配置
        3.1.3 CNN-9 模型訓練及測試分析
    3.2 VGGNet-10 模型的搭建與訓練
        3.2.1 數(shù)據(jù)準備
        3.2.2 網(wǎng)絡(luò)配置
        3.2.3 VGGNet-10 模型訓練
    3.3 本章小結(jié)
第四章 疲勞駕駛與吸煙駕駛行為分析
    4.1 疲勞駕駛行為分析
        4.1.1 疲勞駕駛行為判別參數(shù)
        4.1.2 疲勞駕駛行為判別準則
        4.1.3 疲勞駕駛行為檢測結(jié)果分析
    4.2 吸煙駕駛行為分析
        4.2.1 吸煙駕駛行為判別準則
        4.2.2 吸煙駕駛行為檢測結(jié)果分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
在學期間的研究成果及發(fā)表的學術(shù)論文



本文編號：3796987