基于人眼状态的驾驶员疲劳检测技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外疲劳驾驶检测研究现状 | 第8-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内发展现状 | 第10-11页 |
| ·主要研究工作和章节安排 | 第11-12页 |
| 2 AdaBoost 算法简介 | 第12-26页 |
| ·Boosting 的基本思想 | 第12-14页 |
| ·AdaBoost 算法 | 第14-20页 |
| ·AdaBoost 算法描述 | 第14-18页 |
| ·AdaBoost 算法的理论基础 | 第18-20页 |
| ·AdaBoost 算法的实验分析 | 第20-22页 |
| ·级联的分类器结构 | 第22-25页 |
| ·级联分类器算法的基本思想 | 第22-23页 |
| ·级联分类器的构造算法 | 第23-24页 |
| ·级联分类器的误差分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 人脸检测和人眼定位 | 第26-40页 |
| ·常见的人眼检测方法 | 第26-27页 |
| ·矩形特征及积分图 | 第27-31页 |
| ·Haar-Like 特征 | 第28-29页 |
| ·Haar-Like 特征的快速计算 | 第29-31页 |
| ·改进的 AdaBoost 算法 | 第31-33页 |
| ·构建双层 AdaBoost 分类器进行人眼检测 | 第33-35页 |
| ·人脸定位与眼睛定位的差异 | 第33-34页 |
| ·人眼定位的预处理 | 第34页 |
| ·人眼定位的双层分类器构建 | 第34-35页 |
| ·算法设计与实现 | 第35-39页 |
| ·人眼定位过程 | 第35-38页 |
| ·单个分类器的检测过程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 人眼检测实验结果及分析 | 第40-49页 |
| ·OpenCV 的简单介绍 | 第40页 |
| ·训练样本的选择和预处理 | 第40-41页 |
| ·训练分类器 | 第41-42页 |
| ·实验结果和分析 | 第42-48页 |
| ·图片集的实验结果 | 第42-44页 |
| ·模拟场景的实验结果 | 第44-47页 |
| ·人眼检测结果分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 人眼状态识别和疲劳检测 | 第49-59页 |
| ·人眼状态识别方法概述 | 第49-51页 |
| ·Hough 查找圆的方法 | 第49-50页 |
| ·水平灰度投影法 | 第50页 |
| ·模板匹配的方法 | 第50-51页 |
| ·基于椭圆拟合的人眼状态分析 | 第51-53页 |
| ·椭圆拟合 | 第51-52页 |
| ·人眼状态识别 | 第52-53页 |
| ·基于 PERCLOS 和眨眼频率的疲劳状态判断 | 第53-58页 |
| ·PERCLOS 方法介绍 | 第54-55页 |
| ·驾驶员疲劳检测 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| ·本文总结 | 第59-60页 |
| ·未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
