發(fā)布時(shí)間：2017-04-17 09:00

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的眼電信號(hào)疲勞檢測(cè)，由筆耕文化傳播整理發(fā)布。

【摘要】：疲勞使得人的反應(yīng)能力和操控能力大大下降,特別是對(duì)于外界瞬時(shí)的環(huán)境變化、出現(xiàn)緊急情況的狀態(tài)下,如果不能及時(shí)地作出反應(yīng)和應(yīng)對(duì)措施,發(fā)生事故的可能性大大提高。特別是在駕駛等常見場(chǎng)景中,疲勞是交通事故的主要誘因之一,給社會(huì)帶了重大的財(cái)產(chǎn)損失和人員傷亡。本研究從這一嚴(yán)峻的問題出發(fā),探索一種基于卷積神經(jīng)網(wǎng)絡(luò)的疲勞檢測(cè)算法,使用眼電信號(hào)作為輸入信號(hào),從眼電中抽取出與疲勞相關(guān)的特征,用于疲勞檢測(cè),從而能夠在人體出現(xiàn)疲勞時(shí),給相應(yīng)的人員發(fā)出警告,減少事故發(fā)生的風(fēng)險(xiǎn)。本研究中提出的基于卷積神經(jīng)網(wǎng)絡(luò)的疲勞檢測(cè)算法不同于以往的使用眼電信號(hào)的疲勞檢測(cè)算法在于使用了神經(jīng)網(wǎng)絡(luò)自動(dòng)地抽取與疲勞相關(guān)的特征,而非人工地設(shè)計(jì)相應(yīng)地特征。人工設(shè)計(jì)的特征的抽取過程,往往比較繁瑣。且由于人體差異的存在,其可靠性和有效性較差。卷積神經(jīng)網(wǎng)絡(luò)模型依賴于反向傳播算法,能夠自動(dòng)地對(duì)眼睛運(yùn)動(dòng)的模式進(jìn)行識(shí)別,抽取出相應(yīng)地特征,并且組合成更高級(jí)的特征,以用于疲勞的預(yù)測(cè),其抽取的特征往往具有較高的可靠性和有效性。本研究也對(duì)眼電的預(yù)處理提出了處理方案,在預(yù)處理階段盡可能少地對(duì)眼電信號(hào)做深度處理。本研究對(duì)神經(jīng)網(wǎng)絡(luò)的輸出做了進(jìn)一步平滑處理,減少與疲勞無關(guān)的特征對(duì)結(jié)果產(chǎn)生的影響。本研究對(duì)實(shí)驗(yàn)中收集的22組數(shù)據(jù)進(jìn)行了處理,為了驗(yàn)證本研究中所提出的算法,我們與傳統(tǒng)的眼電特征提取算法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明,一半以上的樣本中,本研究中提出的基于卷積神經(jīng)網(wǎng)絡(luò)的疲勞檢測(cè)模型表現(xiàn)強(qiáng)于傳統(tǒng)的眼電特征抽取算法,證明其具有同等的甚至較強(qiáng)的與疲勞相關(guān)特征的抽取能力。
【關(guān)鍵詞】：眼電 疲勞檢測(cè) 卷積網(wǎng)絡(luò)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R318;TP183
【目錄】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 緒論11-21
• 1.1 疲勞檢測(cè)11-12
• 1.2 國(guó)內(nèi)外疲勞檢測(cè)研究現(xiàn)狀12-13
• 1.3 基于卷積網(wǎng)絡(luò)的眼電信號(hào)疲勞檢測(cè)簡(jiǎn)介13-16
• 1.3.1 卷積網(wǎng)絡(luò)簡(jiǎn)介13-15
• 1.3.2 基于卷積網(wǎng)絡(luò)的眼電疲勞檢測(cè)15-16
• 1.4 研究意義16-18
• 1.4.1 研究創(chuàng)新性16-17
• 1.4.2 研究的應(yīng)用價(jià)值17-18
• 1.5 主要研究?jī)?nèi)容18
• 1.6 畢業(yè)論文結(jié)構(gòu)18
• 1.7 本章小結(jié)18-21
• 第二章 傳統(tǒng)的眼電疲勞檢測(cè)21-35
• 2.1 眼電與疲勞檢測(cè)21-23
• 2.2 預(yù)處理23
• 2.3 特征提取23-26
• 2.3.1 眨眼特征提取23-25
• 2.3.2 慢速眼動(dòng)特征提取25-26
• 2.3.3 快速眼動(dòng)特征提取26
• 2.3.4 能量特征提取26
• 2.4 特征選擇26-29
• 2.4.1 手動(dòng)挑選28
• 2.4.2 主成分分析法28-29
• 2.4.3 啟發(fā)式搜索29
• 2.5 特征平滑29-30
• 2.6 分類與回歸30-33
• 2.6.1 支持向量機(jī)30-33
• 2.7 本章小結(jié)33-35
• 第三章 算法35-45
• 3.1 信號(hào)預(yù)處理35-36
• 3.2 卷積神經(jīng)網(wǎng)絡(luò)36-38
• 3.3 卷積自動(dòng)編碼機(jī)38-42
• 3.3.1 自動(dòng)編碼器38-40
• 3.3.2 去噪自動(dòng)編碼器40-41
• 3.3.3 棧式自動(dòng)編碼器41
• 3.3.4 卷積自動(dòng)編碼器41-42
• 3.3.5 最大池化42
• 3.4 線性回歸42-43
• 3.5 線性動(dòng)力系統(tǒng)43-44
• 3.6 本章小結(jié)44-45
• 第四章 疲勞實(shí)驗(yàn)設(shè)計(jì)45-51
• 4.1 實(shí)驗(yàn)設(shè)計(jì)描述45-46
• 4.2 信號(hào)的獲取46-48
• 4.3 疲勞度估計(jì)48
• 4.4 算法對(duì)比標(biāo)準(zhǔn)48-49
• 4.5 本章小結(jié)49-51
• 第五章 結(jié)果分析51-57
• 5.1 信號(hào)處理分析51-52
• 5.2 特征提取52-53
• 5.3 LDA平滑分析53-55
• 5.4 回歸結(jié)果分析55
• 5.5 本章小結(jié)55-57
• 全文總結(jié)57-59
• 參考文獻(xiàn)59-63
• 致謝63-65
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄65-67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 李月香;李美俊;范小芹;;基于步態(tài)加速度特征的人體疲勞檢測(cè)[J];計(jì)算機(jī)工程;2012年11期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 張笑非;鄔正義;談?wù)?;基于視覺的疲勞駕駛檢測(cè)[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 胡慶新;張淑鳳;方躍;;弱光環(huán)境下駕駛員的人臉檢測(cè)和眼睛追蹤[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 記者 廖翊;目視判斷裂痕是金屬疲勞[N];新華每日電訊;2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 邸巍;基于視覺的全天候駕駛員疲勞與精神分散狀態(tài)監(jiān)測(cè)方法研究[D];吉林大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王豪榮;基于人臉特征融合的疲勞檢測(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

2 王兆偉;基于眼態(tài)識(shí)別的疲勞駕駛檢測(cè)技術(shù)研究[D];長(zhǎng)安大學(xué);2015年

3 蔣文博;基于計(jì)算機(jī)視覺的疲勞駕駛檢測(cè)技術(shù)研究[D];北京化工大學(xué);2015年

4 張譯心;基于面部特征的駕駛員疲勞算法應(yīng)用研究[D];吉林農(nóng)業(yè)大學(xué);2015年

5 韓吉祥;基于SOPC的駕駛員疲勞檢測(cè)系統(tǒng)設(shè)計(jì)[D];黑龍江大學(xué);2015年

6 王雷;基于人臉檢測(cè)的疲勞駕駛分析[D];合肥工業(yè)大學(xué);2014年

7 朱學(xué)敏;基于卷積神經(jīng)網(wǎng)絡(luò)的眼電信號(hào)疲勞檢測(cè)[D];上海交通大學(xué);2015年

8 王豐;基于視覺的汽車駕駛員疲勞檢測(cè)裝置[D];沈陽(yáng)工業(yè)大學(xué);2008年

9 趙鐘;駕駛員疲勞檢測(cè)方法研究及嵌入式實(shí)現(xiàn)[D];大連海事大學(xué);2010年

10 徐杰;多特征疲勞檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2013年

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的眼電信號(hào)疲勞檢測(cè)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：312847