基于深度学习的疲劳驾驶检测方法研究任务书

 2020-02-20 08:02

1. 毕业设计(论文)主要内容:

研究可靠且有效的疲劳驾驶检测技术,能够提前预测和判断出驾驶者的疲劳状态,及时预警,并让车辆自动减速,做到防患于未然,从而可以避免交通事故的发生。论文在综合比较分析各类人脸检测方法的基础上,基于驾驶员的头部,眼睛及嘴部的状态特征建立深度学习网络模型,提出疲劳状态判断方法,进而提出有效的驾驶员疲劳驾驶状态检测方法,为智能网联汽车的驾驶安全辅助技术提供支撑。完成的主要内容包括:

(1)构建数据集并进行视频图像预处理,预先对图像进行滤波去噪和光照均衡处理,保障人脸区域的准确检测。

(2)基于驾驶员的头部,眼睛及嘴部特征,建立有效的深度学习模型,对疲劳状态进行检测。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 毕业设计(论文)主要任务及要求

(1)收集查阅关于深度学习,图像处理及疲劳驾驶检测的相关文献。

(2)完成相关领域20000个印刷符号的外语文献翻译。

(3)构建疲劳驾驶相关图像数据集,建立疲劳驾驶状态检测的深度学习模型,综合相关指标实现疲劳驾驶检测方法,完成论文撰写。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

(1)2月20日-3月15日,查阅相关文献资料,编写开题报告,指导老师审核开题报告。

(2)3月16日-4月15日,对开题报告进行修改完善;完成20000个字符的英文文献翻译。

(3)4月16日-4月30日,学生提交毕业设计(论文)工作阶段性报告,指导老师完成阶段性报告审核。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] 唐杰, 陈仁文, 余小庆. 基于卷积神经网络的车载疲劳驾驶检测系统的实现[j]. 应用天地, 2018, 37(1):116-121.

[2] peng y, dong y,cheng d. design and implementation of a driver’s eye state recognitionalgorithm based on perclos [j]. chinese journal of electronics, 2014, 23(4): 669-672.

[3] 邹昕彤. 基于表情与头部状态识别的疲劳驾驶检测算法的研究[d]. 长春:吉林大学, 2017.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。