摘要：5G时代的到来将社会推向了新的高潮，人们对于社会安全保障的需求不断提高，其中基于驾驶员的行车状态的快速识别是一个重要的课题。图像识别技术现阶段中比较突出的如图像清晰度、系统实时性、场景复杂等问题，随着深度学习技术的出现有了一定程度的改进。在此基础上，结合本专业自动化相关性，对驾驶员状态进行识别。论文基于深度学习技术完成了视频监控下的驾驶员状态识别的系统设计，并且对视频监控下的驾驶员状态快速识别技术进行改进与优化，主要内容与成果如下通过机器深度学习达到能辨别驾驶员状态的快速识别。

关键词：快速识别；人脸检测；疲劳检测；深度学习；卷积神经网络

目录

摘要

ABSTRACT

第1章 绪论-1

1.1-课题研究的背景与意义-1

1.2-国内外研究现状-2

1.2.1-基于生理参数的疲劳识别法-2

1.2.2-基于智能手环的动车司机疲劳驾驶检测-4

1.3-本文研究内容-4

第2章 驾驶员状态快速识别系统设计-6

2.1-运行环境搭建-6

2.2-模块简介-9

2.2.1-输入输出模块-9

2.2.2-图像预处理模块-10

2.2.3-深度学习网络-10

2.2.4-可视化界面模块-11

2.3-驾驶员状态快速识别系统-12

第3章 智能数据采集系统-13

3.1-采集设备-13

3.2-数据采集-14

3.2.1-直接来源-14

3.2.2-间接数据-16

3.3-数据增广-16

3.3.1-数据预处理-17

3.3.2-数据增广-17

3.4-制作数据集-20

3.4.1-创建规范文件树-20

3.4.2-形成标签图片对应关系-21

第4章 状态快速识别系统深度学习算法实现-23

4.1-算法理论分析-23

4.1.1-Tensorflow基本概述-23

4.2-神经网络的结构-24

4.3-实现驾驶员状态识别-25

第5章 硬件设计-27

5.1-基于Jetson nano的驾驶员状态快速识别系统-27

5.1.1-Jetson nano B01简介-27

5.1.2-平台实验环境搭建-28

1.1-硬件调试-31

5.2-硬件结果-32

第6章 总结和展望-35

第7章 致谢-36

第8章 参考文献-37