1. 研究目的与意义
近年来，随着国家经济的增长和科技的发展，人民的生活水平不断提高，因此人民对于交通出行的需求与日俱增。汽车行业的快速发展，使汽车成为了日常生活中必不可少的交通工具，不仅居民的汽车保有量不断增加，通过出租车和网约车出行的次数也越来越多。由国家统计局发布的《2018年国民经济和社会发展统计公报》，全国民用汽车保有量达到2.4亿辆，同比增长10.5%。汽车给人们的日常生活带来了极大的便利，但是随之发生的交通事故数量也不断增加。国家统计局发布的《2017年中国统计年鉴》的数据显示2017年全国交通事故数达20万起，其中汽车交通事故达14万起，伤亡人数约为18万，造成的直接财产损失达到10亿元，由此可见，交通事故给国家财产和人民安全造成了严重危害。因此，如何减少交通事故的发生，维护道路交通的安全成为了目前国民安全和经济发展的重要问题。
研究表明，交通事故的发生主要由驾驶员、车辆和道路环境这三个因素造成。经过研究人员对相关数据的分析可知,驾驶员因素在交通事故发生的起因中占据主导地位。很多交通事故是由于驾驶员未能及时发现交通险情而发生的，造成这些事故的绝大部分原因源于驾驶员的危险驾驶行为，在这些危险驾驶行为中比例最高的是驾驶员的疲劳驾驶和分心驾驶。疲劳驾驶指的是驾驶员长时间驾驶过程中出现的生理和心理疲劳的现象，具体表现为驾驶员精神难以集中和思维反应变慢，严重的话会出现打瞌睡和操作停顿的现象，极易导致事故的发生。分心驾驶指的是驾驶员在驾驶汽车的同时进行一些影响正常驾驶行为的情况，比如驾驶过程中打电话、频繁聊天和吃东西，当驾驶员分心驾驶时往往无法及时应对突发情况，从而导致事故的发生。根据美国国家交通安全管理局统计，每年大约有35%的交通事故是由驾驶员注意力不集中造成的，其中20%左右是由驾驶员疲劳驾驶造成的。由此可见，如果设计出一个能够实时检测出驾驶员危险驾驶行为并给予告警的系统，就可以在一定程度上保障驾驶员的安全驾驶，从而减少交通事故的发生。
现如今已经有许多高校和企业对危险驾驶行为检测技术进行了研究，比如通过监控摄像头和一些传感器对车辆行驶过程中的一些参数进行检测﹐再通过无线网络传输到主机进行数据的分析并判断是否危险驾驶。这种危险驾驶检测系统主要是针对车辆行驶状态的检测。其无法得知驾驶员的状态，也无法做到第一时间提醒驾驶员注意自己的驾驶行为。危险驾驶检测系统在实际应用中对实时性和准确性的要求较高，且系统不能干扰到驾驶员的正常驾驶。所以利用机器视觉这一技术能够很好地实现对危险驾驶行为检测。
2. 研究内容和预期目标
一、主要研究内容
1、研究危险驾驶检测系统中涉及到的关键算法，并对算法的工作原理进行分析，为后续系统的课题设计提供理论基础。
2、本课题设计围绕疲劳驾驶检测和分心驾驶识别两大功能的实现，对人脸检测、人眼定位与跟踪、疲劳驾驶判定等相关算法的实现流程进行研究，并对算法运行结果进行验证。
3. 研究的方法与步骤
研究方法：
1、采用直方图均衡化对人脸图像进行预处理；
2、采用神经网络深度学习通过欧拉角来判断人头部姿态从而检测驾驶员是否转头；
4. 参考文献
[1]国家统计局. 中华人民共和国2018年国民经济和社会发展统计公报［1］[N]. 人民日报,2019-03-01(010).
[2] 《中国统计年鉴-2017》编委会和编辑出版人员 《中国统计年鉴-2017》编委会和编辑出版人员. 邢志宏,叶植材 总编,中国统计年鉴,中国统计出版社,2017,4-5.
[3] 布和.道路交通事故的成因分析及预防研究[J].武汉公安干部学院学报,2019,33(02):16-20.
5. 计划与进度安排
1.2024年1月16日-2月18日：查阅收集参考资料；5000字的外文文献翻译；
2.2024年2月20日-2月25日：完成开题报告；
3.2024年2月26日-3月14日：完成疲劳驾驶的检测的具体实现；
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。
