毕业论文--基于面部表情识别的驾驶员疲劳状态检测方法研究

《毕业论文--基于面部表情识别的驾驶员疲劳状态检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第1页湖南大学毕业设计(论文)HUNANUNIVERSITY毕业论文论文题目基于面部表情识别的驾驶员疲劳状态检测方法研究学生姓名学生学号专业班级自动化4班学院名称电气与信息工程学院指导老师学院院长200年月日第I页湖南大学毕业设计(论文)摘要随着科技发展的日新月异和人们生活水平的提高，越来越多的家庭拥有了属于他们自己的汽车。然而在汽车带给我们便利的同时，由它所带来的交通安全问题也日益严峻。道路交通事故是指车辆在道路上因过错或者意外造成的人身伤亡或者财产损失的事件。除开因为自然因素或者意外造成的事故伤亡，疲劳

2、驾驶是道路交通安全的第一杀手。因此驾驶员的睡意检测是防止因为深度疲劳引起的道路交通事故的有效方法和手段，一个高识别度的疲劳检测对道路安全保障具有极其重要的意义。传统的检测系统方法通常是基于检测驾驶员的眨眼频率等来进行。本论文使用的方法是使用深度学习的方法，捕捉和学习各种潜在的面部表情特征和复杂的非线性相互作用。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。本文运用的是深度学习中卷积神经网络的方法进行脸部疲劳表情识别，

3、通过建立各个隐含层，利用池化层和卷积层之间的连接，通过感受野和权值共享来减少神经网络需要训练的参数个数，利用前向和后向通道进行损失函数计算和调整，比较期望输出和实际输出来调整权值矩阵，从而达到训练和分类的目的。本次实验方法正确率比较高，具有一定的参考性。关键字：疲劳表情识别，深度学习，卷积神经网络，隐含层湖南大学毕业设计(论文)第II页StudyondetectionmethodofdriverfatiguestatebasedonfacialexpressionrecognitionAbstractWit

4、htherapiddevelopmentofscienceandtechnologyandimprovementofpeople'slivingstandards,moreandmorefamilieshavetheirowncars. However, atthesametimethatthecar bringsusconvenience, traffic securityis increasinglyserious. Thetrafficaccidentis causedbythefaultor ave

5、hicle accidentontheroad casualtiesorproperty lossesintheevent. Butexpecttheaccident casualties oraccidents causedby naturalfactors, fatiguedrivingisthefirstkiller ofroadtrafficsafety. Sodriverdrowsinessdetectionisoneofeffectivewaystopreventroadtrafficaccid

6、ents,soahighdegreeofrecognitionoffatiguedetectiontoensureroadsafetyhasextremelyimportantsignificance. Thetraditionaldetectionsystem isusually basedontheblinkfrequency ofeyesofdrivers. Thispaperchoosethedeeplearningmethod,includingcapturingandlearningvariou

7、spotentialoffacialexpressionfeatureandcomplexnonlinearinteractions. Deeplearningisanewfieldintheresearchofmachinelearning,themotivationistoestablished,andsimulatetheneuralnetworkthatthehumanbraintoanalyzeandlearning,suchasimages,soundandtext. ThispaperIsus

8、edconvolutionalneuralnetworkmethodwhichisoneofthedeeplearningtorecognizefacialfatigueexpression,throughestablishingeachhiddenlayer,withexploitingtheconnectionbetweenthepoollayerandconvolution layer.Throughthe