資源描述：
《畢業(yè)論文--基于面部表情識(shí)別的駕駛員疲勞狀態(tài)檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第1頁(yè)湖南大學(xué)畢業(yè)設(shè)計(jì)(論文)HUNANUNIVERSITY畢業(yè)論文論文題目基于面部表情識(shí)別的駕駛員疲勞狀態(tài)檢測(cè)方法研究學(xué)生姓名學(xué)生學(xué)號(hào)專(zhuān)業(yè)班級(jí)自動(dòng)化4班學(xué)院名稱(chēng)電氣與信息工程學(xué)院指導(dǎo)老師學(xué)院院長(zhǎng)200年月日第I頁(yè)湖南大學(xué)畢業(yè)設(shè)計(jì)(論文)摘要隨著科技發(fā)展的日新月異和人們生活水平的提高，越來(lái)越多的家庭擁有了屬于他們自己的汽車(chē)。然而在汽車(chē)帶給我們便利的同時(shí)，由它所帶來(lái)的交通安全問(wèn)題也日益嚴(yán)峻。道路交通事故是指車(chē)輛在道路上因過(guò)錯(cuò)或者意外造成的人身傷亡或者財(cái)產(chǎn)損失的事件。除開(kāi)因?yàn)樽匀灰蛩鼗蛘咭馔庠斐傻氖鹿蕚觯?/p>
2、駕駛是道路交通安全的第一殺手。因此駕駛員的睡意檢測(cè)是防止因?yàn)樯疃绕谝鸬牡缆方煌ㄊ鹿实挠行Х椒ê褪侄?，一個(gè)高識(shí)別度的疲勞檢測(cè)對(duì)道路安全保障具有極其重要的意義。傳統(tǒng)的檢測(cè)系統(tǒng)方法通常是基于檢測(cè)駕駛員的眨眼頻率等來(lái)進(jìn)行。本論文使用的方法是使用深度學(xué)習(xí)的方法，捕捉和學(xué)習(xí)各種潛在的面部表情特征和復(fù)雜的非線性相互作用。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本。本文運(yùn)用的是深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行臉部疲勞表情識(shí)別，
3、通過(guò)建立各個(gè)隱含層，利用池化層和卷積層之間的連接，通過(guò)感受野和權(quán)值共享來(lái)減少神經(jīng)網(wǎng)絡(luò)需要訓(xùn)練的參數(shù)個(gè)數(shù)，利用前向和后向通道進(jìn)行損失函數(shù)計(jì)算和調(diào)整，比較期望輸出和實(shí)際輸出來(lái)調(diào)整權(quán)值矩陣，從而達(dá)到訓(xùn)練和分類(lèi)的目的。本次實(shí)驗(yàn)方法正確率比較高，具有一定的參考性。關(guān)鍵字：疲勞表情識(shí)別，深度學(xué)習(xí)，卷積神經(jīng)網(wǎng)絡(luò)，隱含層湖南大學(xué)畢業(yè)設(shè)計(jì)(論文)第II頁(yè)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
