1 绪论
1.1论文的研究背景与意义
1.2国内外相关领域的发展及研究概况
1.2.1深度学习的发展与研究概况
1.2.2疲劳检测的发展与研究概况
1.3主要研究内容
1.4本文组织结构
2 相关理论与技术
2.1 PERCLOS原理
2.2人脸检测技术的原理
2.2.1 Adaboost算法
2.2.2 Haar分类器
2.3卷积神经网络
2.3.1卷积神经网络的结构
2.3.2卷积神经网络的训练
2.4本章小结
3 基于深度学习的人脸身份识别技术的研究
3.1人脸身份识别功能设计流程
3.2图像数据库的构建
3.2.1数据的获得
3.2.2数据预处理
3.3卷积神经网络的结构设计
3.3.1 AlexNet网络结构
3.3.2 网络模型的调整与训练
3.4实验环境的设置
3.5 实验过程与结果分析
3.6本章小结
4 基于深度学习的学生疲劳检测方法的研究
4.1学生疲劳检测功能设计流程
4.2数据库的构建
4.2.1数据的获取
4.2.2 数据预处理
4.3疲劳检测网络模型的设计
4.4眼部区域的疲劳状态检测
4.4.1 眼部区域网络模型的训练及优化
4.4.2 眼部区域疲劳状态的判断
4.5嘴部区域的疲劳状态检测
4.5.1嘴部区网络模型的训练及优化
4.5.2嘴部区域疲劳状态的判断
4.6更新后的疲劳判断指标
4.7本章小结
5 基于深度学习的学生疲劳状态检测功能的实现
5.1实验环境
5.2实验过程
5.3实验结果及分析
5.4本章小结
6 总结与展望
6.1工作总结
6.2后续研究展望
参考文献
附录A：作者三年内发表论文及科研情况
致谢
声明
