1. 研究目的与意义
随着我国生活水平的提高，在交通方面有了质的飞跃，其中汽车保有量更是与日俱增。但是，随之而来的交通事故也源源不 断。据统计，我国交通事故死亡人数己连续10多年居世界第一，其中，驾驶员疲劳造成交通事故的占总数的20%左右，占特大交通事故的 40%以上，阻止疲劳驾驶的发生已刻不容缓。
疲劳驾驶是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完 全丧失驾驶能力。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，而 产生这些错误的根本原因就是疲劳驾驶。
由此可以知道，疲劳驾驶正逐渐成为交通事故的主要原因之一，成为马路上的“第一杀手”。因此，研究出一套疲劳检测的系统对社会 和民众都有不可估量的社会意义和经济价值。
2. 研究内容和预期目标
经查阅相关文献，疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）、点头（瞌睡点头）。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。
基于驾驶员面部特征的检测方法是根据人在疲劳时面部变化来分析此时的精神状态。 人在瞌睡、 疲劳时面部表情与清醒时有着明显的区别。 通过装置在车辆中的摄像头对驾驶员人脸图片的采集， 利用计算机图像处理和模式识别， 可以有效检测驾驶员的疲劳特征信息， 比较直观的特征有： 打哈欠， 眨眼， 低头等。
环境：Win10、Python3.7、anaconda3、JupyterNotebook 技术：
3. 国内外研究现状
1. 基于驾驶人生理信号的检测方法
针对疲劳的研究最早始于生理学。相关研究表明，驾驶人在疲劳状态下的生理指标会偏离正常状态的指标。因此可以通过驾驶员的生理指标来判断驾驶人是否进入疲劳状态。目前较为成熟的检测方法包括对驾驶人的脑电信号EEG、心电信号ECG等的测量。
基于驾驶人生理信号的检测方法对疲劳判断的准确性较高，但生理信号需要采用接触式测量，且对个人依赖程度较大，在实际用于驾驶人疲劳监测时有很多的局限性，因此主要应用在实验阶段，作为实验的对照参数。
4. 计划与进度安排
2022.11.1-2022.12.31 选题、开题、确定写作调研提纲，文献收集、整理分析
2022.1.1-2022.1.18 完成程序框架、收集数据集、整理分析
2022.1.19-2022.3.19撰写、提交论文初稿，中期检查
5. 参考文献
[1]王炳浩，魏建勤，吴永红.汽车驾驶员磕睡状态脑电波特征的初步探索[J],汽车工程，2004，26（1）： 70-73.
[2] 驾驶人疲劳状态检测技术的现状与发展 清华大学 成波教授
[3]Santamaria J., Chiappa K.H. The EEG of Drowsiness. Demos Publications, New York, 1997
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
