1. 研究目的与意义（文献综述）

近年来由于车辆的普及，交通事故频发，造成严重的人员伤亡和财产损失。

下面表述了从2014年到2016年的交通事故及其财产损失。

2014年交通事故196812次，死亡人数58523人，受伤人数211882人，直接经济损失107543万元。

2. 研究的基本内容与方案

通过阅读文献，目前暂定有两种设计方案可供使用，一种是采用邻近算法（KNN），另外一种是采用卷积神经网络（CNN）进行分类器的训练，下面对两种方法进行简单介绍。
邻近算法（KNN）
如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，其中K通常是不大于20的整数。
卷积神经网络（CNN）
卷积神经网络主要分为数据输入层、卷积计算层、激励层、池化层、全连接层。
卷积神经网络的计算量大但准确度高。
图像预处理
1.预计采用将图像灰度化，采用平均亮度最为像素点的灰度值
2.预计采用中值滤波或者均值滤波进行图像去噪
面部识别
1.采用几何分布规则对面部的眼睛、嘴巴等重要位置进行大致定位。
2.采用横纵轴比来确定眼睛和嘴巴的闭合状态

3. 研究计划与安排

进度安排
1.3月8日前提交开题报告以及外文翻译
2.3月9日至4月中旬，完成CNN框架构建以及分类器是否符合预期
3.4月中旬，开始毕业论文初稿撰写
4.5月初提交初稿
5.在毕业设计答辩前完成对论文的修订、查重以及最终的定稿

4. 参考文献（12篇以上）

[1]孙超.基于人眼状态的疲劳驾驶检测技术的研究与实现[d].大连:大连理工大学,2014

[2]李锐,蔡兵,刘琳,等.基于模型的驾驶员眼睛状态识别[j].仪器仪表学报,2016,37(1):184-191

[3]秦武旻,朱长婕.虹膜快速检测与精准定位的算法研究[j].国外电子测量技术,2017,36(4):25-28