基于脸部关键点信息的驾驶员行为分析 ————以疲劳和吸烟为例

发布时间：2023-04-22 05:13

　　随着车辆保有量的增多,汽车安全问题越来越成为一个必须考量的问题。在每年的道路交通事故中,多数灾难性的交通事故是由疲劳驾驶导致的。而且在我国并没有将吸烟驾驶行为列入违规条例,但是实际上,仍然有一部分道路交通安全事故跟吸烟驾驶有关。所以对于营运车辆,比如“两客一危”车辆,物流车辆,以及网约车辆的监察更显的尤为迫切和重要。对于驾驶员的疲劳驾驶和吸烟驾驶行为,目前主要的检测手段有,基于驾驶员的生理特征进行的疲劳检测,这类检测疲劳方法准确度高,但因为需要与驾驶员身体接触,所以便携性差。另外基于视觉的非接触类疲劳检测,这类检测可操作性强,速度快等优点,但是传统的特征提取手法提取特征种类有限,且过程繁琐,同时对图像质量要求较高。而对于吸烟检测,一般的吸烟检测技术是通过仪器检测驾驶室是否有烟雾,或者测量驾驶室的温度等来判断驾驶员是否有吸烟驾驶行为。这种检测方式易受周围环境干扰而导致漏检误检。本文提出一种利用驾驶员脸部的关键点信息,计算并判断其脸部的特征信息是否符合疲劳特征,以此来判断驾驶员是否有疲劳驾驶行为,同时利用嘴部关键点信息合成吸烟图像来解决吸烟数据缺乏的问题,为驾驶员吸烟检测的研究提供充足的吸...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
缩略词
第一章 绪论
    1.1 本文的研究背景与意义
    1.2 驾驶员疲劳驾驶行为检测方法
        1.2.1 基于驾驶员生理特征的接触类
        1.2.2 基于车辆的行驶参数及驾驶员行为特征的非接触类
        1.2.3 外界干预疲劳检测类
    1.3 驾驶员吸烟驾驶行为检测方法
        1.3.1 穿戴式吸烟检测方法
        1.3.2 非接触式吸烟检测方法
    1.4 国内外研究现状
        1.4.1 国内研究现状
        1.4.2 国外研究现状
    1.5 本文主要研究内容
第二章 基于脸部关键点信息的驾驶员行为分析研究
    2.1 基于深度学习的人脸检测
    2.2 基于深度学习的人脸关键点检测
    2.3 基于深度学习的图像分类
    2.4 卷积神经网络
        2.4.1 卷积层
        2.4.2 池化层
    2.5 反向传播算法
    2.6 本章小结
第三章 CNN-9和VGGNet-10 模型的搭建与训练
    3.1 CNN-9 模型的搭建与训练
        3.1.1 数据准备
        3.1.2 网络配置
        3.1.3 CNN-9 模型训练及测试分析
    3.2 VGGNet-10 模型的搭建与训练
        3.2.1 数据准备
        3.2.2 网络配置
        3.2.3 VGGNet-10 模型训练
    3.3 本章小结
第四章 疲劳驾驶与吸烟驾驶行为分析
    4.1 疲劳驾驶行为分析
        4.1.1 疲劳驾驶行为判别参数
        4.1.2 疲劳驾驶行为判别准则
        4.1.3 疲劳驾驶行为检测结果分析
    4.2 吸烟驾驶行为分析
        4.2.1 吸烟驾驶行为判别准则
        4.2.2 吸烟驾驶行为检测结果分析
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：3796987