大部分交通事故是由分心駕駛造成的,分心駕駛監(jiān)測(cè)已成為智能交通系統(tǒng)中一個(gè)非常活躍的領(lǐng)域。分心駕駛監(jiān)測(cè)包括分心駕駛識(shí)別和減少分心駕駛,如何準(zhǔn)確地動(dòng)態(tài)識(shí)別駕駛員的駕駛狀態(tài),并合理地提醒駕駛員,避免分心駕駛造成的交通事故是分心駕駛研究領(lǐng)域亟需解決的問題。分心駕駛識(shí)別常采用神經(jīng)網(wǎng)絡(luò)方法,然而這種方法存在很多問題。第一,現(xiàn)有的基于CNN（卷積神經(jīng)網(wǎng)絡(luò)）的方法都是獨(dú)立地處理單幀圖片,因此不能捕捉到駕駛員的動(dòng)態(tài)信息;第二,盡管ResNet-50可以用于分心識(shí)別,但在某些應(yīng)用領(lǐng)域該方法不能提取到用于分心識(shí)別的必要特征;第三,在分心駕駛靜態(tài)識(shí)別中,神經(jīng)網(wǎng)絡(luò)無法區(qū)分正常駕駛狀態(tài)和發(fā)呆狀態(tài)。針對(duì)以上問題,本文提出了一種基于神經(jīng)網(wǎng)絡(luò)的分心駕駛動(dòng)態(tài)識(shí)別系統(tǒng)。第一,將CNN和RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）結(jié)合應(yīng)用于分心駕駛動(dòng)態(tài)識(shí)別,通過RNN融合相間隔幀的信息來連接駕駛員動(dòng)態(tài)信息;第二,本文在ResNet-50基礎(chǔ)上提出了一種新的ResNet-50_v2,ResNet-50_v2可以通過充分利用圖像信息來解決ResNet-50中所需特征提取的不足;第三,分心駕駛動(dòng)態(tài)識(shí)別系統(tǒng)能夠分析駕駛...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1兩層人工神經(jīng)網(wǎng)絡(luò)

第一章緒論1第一章緒論1.1研究背景及意義1.1.1研究背景根據(jù)交通管理局統(tǒng)計(jì)的數(shù)據(jù)顯示，每年大約有200萬起的交通事故發(fā)生，其中超過80%是由分心駕駛造成的，而注意力不集中、疲勞和白天過度嗜睡導(dǎo)致的警覺下降、反應(yīng)遲鈍，是引發(fā)事故的主要原因，分心成安全駕駛的最大“殺手”[1]。有....

圖2-2神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程示意圖

第二章神經(jīng)網(wǎng)絡(luò)原理9LA[2]=F(Y,Y)Y（2-10）LZ[2]=LA[2]g"(Z[2])（2-11）LW[2]=LZ[2](A[1])T（2-12）LB[2]=LZ[2]（2-13）LA[1]=(W[2])TLZ[2]（2-14）LZ[1]=LA[1]g"(Z[1])（2....

圖2-14LSTM細(xì)胞狀態(tài)

第二章神經(jīng)網(wǎng)絡(luò)原理19at=tanh(Waaat-1+Waxxt+ba)（2-29）將at傳遞給下一個(gè)時(shí)間步，并通過softmax層輸出yt；yt=softmax(Wyaat+by)（2-30）最后是反向傳播，接收后一時(shí)間步的梯度dat做反向傳播。atwax=dat*(1-tan....

圖2-16遺忘門T

電子科技大學(xué)碩士學(xué)位論文20層和一個(gè)點(diǎn)乘操作的組合，如圖2-15所示：σx圖2-15門結(jié)構(gòu)因?yàn)閟igmoid層的輸出是（0，1）的值，這個(gè)值代表信息以多大的概率流過sigmoid層。0表示全部遺忘，1表示全部通過。LSTM的第一步是遺忘門通過分析ht-1和xt的信息來輸出一個(gè)向量....

本文編號(hào)：4014581