基于图像识别的列车司机驾驶行为监测及关键技术研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 司机驾驶疲劳机理及检测

1.2.2 司机手势识别

1.2.3 驾驶行为分析系统

1.3 研究内容

2 列车司机驾驶行为监测系统设计及关键技术

2.1 列车司机作业现状及管理难点分析

2.2 列车司机驾驶行为监测需求分析

2.3 列车司机驾驶行为监测系统总体设计

2.3.1 系统设计原则

2.3.2 系统硬件组成及其功能

2.4 系统详细设计

2.4.1 人脸识别与疲劳监测系统模块

2.4.2 手势识别模块

2.4.3 终端管理模块

2.4.4 重大告警推送模块

2.4.5 视讯系统模块

2.5 司机驾驶行为辨识关键技术

2.5.1 人脸识别技术

2.5.2 疲劳监测技术

2.5.3 手势识别技术

2.6 本章小结

3 基于深度卷积网络的人脸识别技术

3.1 问题描述

3.2 人脸数据集

3.3 脸部图片预处理

3.4 基于传统特征的人脸识别

3.5 基于改进深度卷积网络的人脸识别

3.6 改进卷积神经网络

3.7 识别效果分析

3.7.1 传统人脸识别算法识别结果

3.7.2 改进深度学习网络剪切实验

3.7.3 基于改进深度网络的人脸识别结果

3.8 本章小结

4 基于PERCLOS 疲劳检测法

4.1 问题描述

4.2 PERCLOS

4.3 人眼图像分割

4.4 人眼状态识别

4.4.1 基于PCA及K-L特征提取

4.4.2 基于k-NN 的人眼睁闭特征识别

4.5 基于卡尔曼滤波的人眼跟踪

4.6 基于PERCLOS 的疲劳状态检测

4.7 本章小结

5 司机手势行为识别技术研究

5.1 问题描述

5.2 基于OpenPose的人体关键点定位

5.3 手势行为识别

5.3.1 基于OpenPose 的人体关键点检测

5.3.2 基于人体关键点的手势识别

5.4 实验结果与分析

5.4.1 实验环境

5.4.2 实验设计

5.4.3 实验分析

5.5 本章小结

6 列车司机行为监测系统测试与应用

6.1 监测系统概述

6.2 列车司机行为监测系统部署

6.2.1 硬件部署

6.2.2 系统部署

6.3 应用成果及案例

6.3.1 系统模拟测试

6.3.2 系统上线应用

6.4 系统不足及改进

6.4.1 系统存在的问题

6.4.2 系统改进方向

6.5 本章小结

7 结论与展望

7.1 研究结论

7.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集