基于眼部特征的疲劳驾驶检测系统的研究与实现开题报告

全文总字数：3813字

1. 研究目的与意义（文献综述）

选题目的和意义：

疲劳驾驶是交通事故发生的高频因素之一，能够及时判别或检测出驾驶员驾驶汽车过程中是否处于疲劳状态，并做出及时的预警提示是个非常有意义的课题。通过实现基于眼部特征的疲劳驾驶检测系统，向驾驶员给出警示信息，可以让驾驶员及时发现自己的精神状态已经属于疲劳驾驶，从而减少因疲劳驾驶而引起的交通事故的数量。

基于眼部特征的疲劳驾驶检测系统，是一个可以实时监测驾驶员的疲劳状况，判断是否处于疲劳驾驶，并能够及时给出警示信息的系统。它的基本原理是通过对人脸得图像识别，分辨出眼部特征点，结合疲劳监测算法，通过对眨眼频率，眼部开合程度的数据的分析，实时判断驾驶员疲劳状态，然后给予驾驶员相应的警示信息。

2. 研究的基本内容与方案

研究的基本内容：

(1) 学习深度学习相关理论知识，了解级联卷积神经网络

(2) 学习图像识别的部分算法，进行人脸检测

3. 研究计划与安排

(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2)2020/3/1—2020/3/7：学习深度学习相关理论知识，了解基本的神经网络结构；

(3)2020/3/8—2020/3/14：研究疲劳驾驶检测各个阶段的原理与疲劳检测算法，进行需求分析和总体设计；

4. 参考文献（12篇以上）

[1]masahiko ayaki, manami kuze, mineokondo, et al. association between retinal nerve fiber layer thickness and eyefatigue[j]. biomed research international, 2019.

[2]jennifer m.cori, clareanderson,shamsishekari soleimanloo, et al. narrative review:do spontaneous eye blinkparameters provide a useful assessment of state drowsiness[j].sleep medicinereviews, 2019,45(6):95-104.

[3]muhammad faique shakeel, nabit a. bajwa,et al. detecting driver drowsiness in real time through deep learning basedobject detection[c].international work-conference on artificial neuralnetworks, 2019:283-296.