1. 研究目的与意义
一、选题背景与意义疲劳驾驶是指驾驶员在驾驶的过程中出现疲倦状态，导致不能正常驾驶。
驾驶员产生疲劳之后，思维能力下降，反应迟钝，注意力分散，视力下降。
当驾驶员在驾驶过程中出现疲劳状况时，容易引发交通事故。
2. 课题关键问题和重难点
二、课题关键问题及难点经查阅相关文献，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）。
本课题从人脸朝向、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。
本课题的关键：1. 疲劳认定标准2. 人脸特征点画图标识3. 可视化界面的实现本课题的难点：1. 人脸识别特征点检测。
3. 国内外研究现状（文献综述）
三、文献综述（或调研报告）国内外主要研究机构及其方法和成果①CMU卡内基梅隆（CMU）大学在该领域的研究一直处于世界领先地位，首先提出了基于肤色模型的人脸识别实时检测方法[1]，设计了一套基于PERCLOS原理的实际系统[2]，提出了一种使用神经网络的方法来监测人眼注视方向的方法[3]。
Jie Yang等首先提出和建立了人脸的肤色模型，如图3-1，并给出了在参数估计方法，即通过在视频图像中手动选取人脸肤色区域，通过统计计算得到肤色模型中相关参数（均值、方差等），还针对环境条件的变化提出了一种自适应的肤色模型，其思想就是在视频序列中实时的加权修改模型参数，时间距离越近的视频序列中肤色区域的色度值对肤色模型参数的影响越大，这样就克服了实际中外界环境或光照变化的影响。
图 3-1肤色模型及其检测效果Richard Grace等设计出一套检测PERCLOS的实际的系统，他们借助红外光，利用视网膜对不同波长红外光的发射不同的原理，设计了能够采集特定波长光的摄像机，从而通过差分的方法检测到眼，从而计算PERCLOS，PERCLOS摄像机如图3-2所示 图 3-2PERCLOS摄像机硬件图Shumeet Baluja等提出了一种基于神经网络的眼注视方向识别方法[4]，其方法是将人眼区域 15*30矩形框内的像素作为ANN网络的输入向量，输出为50个X方向和Y方向的值，从而根据 X、Y方向的输出值估计出眼的注视方向，如图3-3所示 图 3-3ANN检测眼的注视方向②Minnesota大学SarbjitSingh等[5]用基于色彩的方法在图像中分割出肤色像素，再做Blob处理，找到最大的连通区域即为人脸区域，在此基础上根据眼在水平方向上有较大梯度变化这一特点，对图像进行水平方向梯度处理，统计水平投影图中最大值即为眼的竖直位置，再在此竖直位置范围内，找到两个眼的大概的对称轴，分离出两眼；对得到的眼睛区域使用基于灰度相关的模板匹配算法，去匹配库中的张开的和闭合的眼的模板，判断眼的张闭。
4. 研究方案
三、方案（设计方案、研制方案、研究方案）论证4.1 疲劳驾驶检测方法选择及主要流程4.1.1 系统主要功能本系统使用基于dlib人脸识别68特征点检测、分别获取左右眼面部标志的索引，通过opencv对视频流进行灰度化处理，检测出人眼的位置信息，主要流程分为两部分，如图4-1。
图4-1基于Dlib的驾驶员疲劳检测系统基本功能4.1.2训练模块：主要包括预先收集人脸数据。
使用OpenCV对人脸图像进行切割，对齐，形成规格化的人脸数据，之后通过搭建的深度学习神经网络进行训练，并将训练数据生成的预训练模型保存4.1.3检测模块：调用电脑摄像头，获取检测人脸图像，调用OpenCV对人脸图像切割对齐，将人脸图片传入训练模块，与预训练模型中的人脸数据进行比对，对不同的人进行匹配，将比对结果返回屏幕。
5. 工作计划
2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
第18-19周：导师下发毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲，进行开题报告的撰写。
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。
