駕駛中的分神行為具有頻發(fā)性和短暫性,易引發(fā)道路安全事故。監(jiān)測駕駛端并及時預(yù)警是降低碰撞風(fēng)險的有效手段。本文選取能反映行駛狀態(tài)的頭部姿勢為研究主體,利用深度學(xué)習(xí)理論與方法實現(xiàn)駕駛員分神狀態(tài)的識別,主要研究內(nèi)容如下:首先,提出了一種基于深度學(xué)習(xí)的頭部姿勢估計方法。針對實際圖像采集過程中存在的光源復(fù)雜、明暗變化大以及車輛顛簸震動等不利因素,在實驗前增強訓(xùn)練集模擬真實駕駛場景。通過下采樣、高斯模糊和邊界增強濾波等操作并在過程中引入隨機性,迫使模型學(xué)習(xí)不同成像質(zhì)量的圖片,降低模型對高清圖像的依賴度。根據(jù)單一回歸與分類結(jié)合回歸兩種設(shè)計思路改進AlexNet和ResNet,給出5種不同深度的卷積網(wǎng)絡(luò)。在分類結(jié)合回歸思路中,對歐拉角進行解耦訓(xùn)練,設(shè)置對應(yīng)的復(fù)合損失函數(shù)并使用遷移學(xué)習(xí)的訓(xùn)練策略,最后在各模型上同時驗證兩種思路的精確性。實驗表明,分類結(jié)合回歸思路的效果更為突出,本文的最優(yōu)模型HPE₁01可在數(shù)據(jù)集AFLW2000上取得5.61°的平均絕對誤差,在數(shù)據(jù)集AFW上取得79.2%(±3°)和92.3%(±5°)的平均查準率,并有一定的抗干擾能力,可勝任模糊環(huán)境下的頭部姿勢估...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
2 相關(guān)工作
    2.1 深度學(xué)習(xí)模型
    2.2 頭部姿勢估計
    2.3 本章小結(jié)
3 基于深度學(xué)習(xí)的頭部姿勢估計方法
    3.1 概述
    3.2 頭部姿勢估計方法
    3.3 實驗與結(jié)果分析
    3.4 本章小結(jié)
4 基于連續(xù)視頻幀歐拉角的駕駛員分神狀態(tài)識別
    4.1 概述
    4.2 基于RetinaFace頭部框體標(biāo)注
    4.3 SF3D中各類頭部姿勢分析
    4.4 分神駕駛識別方法
    4.5 實驗與結(jié)果分析
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號：3848122