基于深度学习的驾驶员分神状态识别方法研究

发布时间：2023-09-18 19:15

　　驾驶中的分神行为具有频发性和短暂性,易引发道路安全事故。监测驾驶端并及时预警是降低碰撞风险的有效手段。本文选取能反映行驶状态的头部姿势为研究主体,利用深度学习理论与方法实现驾驶员分神状态的识别,主要研究内容如下:首先,提出了一种基于深度学习的头部姿势估计方法。针对实际图像采集过程中存在的光源复杂、明暗变化大以及车辆颠簸震动等不利因素,在实验前增强训练集模拟真实驾驶场景。通过下采样、高斯模糊和边界增强滤波等操作并在过程中引入随机性,迫使模型学习不同成像质量的图片,降低模型对高清图像的依赖度。根据单一回归与分类结合回归两种设计思路改进AlexNet和ResNet,给出5种不同深度的卷积网络。在分类结合回归思路中,对欧拉角进行解耦训练,设置对应的复合损失函数并使用迁移学习的训练策略,最后在各模型上同时验证两种思路的精确性。实验表明,分类结合回归思路的效果更为突出,本文的最优模型HPE₁01可在数据集AFLW2000上取得5.61°的平均绝对误差,在数据集AFW上取得79.2%(±3°)和92.3%(±5°)的平均查准率,并有一定的抗干扰能力,可胜任模糊环境下的头部姿势估...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 本文组织结构
2 相关工作
    2.1 深度学习模型
    2.2 头部姿势估计
    2.3 本章小结
3 基于深度学习的头部姿势估计方法
    3.1 概述
    3.2 头部姿势估计方法
    3.3 实验与结果分析
    3.4 本章小结
4 基于连续视频帧欧拉角的驾驶员分神状态识别
    4.1 概述
    4.2 基于RetinaFace头部框体标注
    4.3 SF3D中各类头部姿势分析
    4.4 分神驾驶识别方法
    4.5 实验与结果分析
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3848122