基于ARM的驾驶员疲劳预警系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文研究的背景和意义 | 第9-10页 |
| 1.2 驾驶员疲劳检测技术国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文主要研究工作及内容安排 | 第12-13页 |
| 2 设计驾驶员疲劳预警系统设计 | 第13-21页 |
| 2.1 系统总体设计 | 第13-14页 |
| 2.2 系统硬件平台设计 | 第14-15页 |
| 2.3 器件选型 | 第15-19页 |
| 2.3.1 处理器选型 | 第15-16页 |
| 2.3.2 摄像头选型 | 第16-18页 |
| 2.3.3 显示屏选型 | 第18-19页 |
| 2.4 系统外观 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 图像处理基础 | 第21-28页 |
| 3.1 色彩空间模型理论 | 第21-25页 |
| 3.1.1 RGB色彩空间 | 第21页 |
| 3.1.2 归一化rgb色彩空间 | 第21-23页 |
| 3.1.3 HSV色彩空间 | 第23页 |
| 3.1.4 HSI色彩空间 | 第23-24页 |
| 3.1.5 YcbCr色彩空间 | 第24-25页 |
| 3.2 图像预处理 | 第25-27页 |
| 3.2.1 彩色图像灰度化 | 第25-26页 |
| 3.2.2 中值滤波 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 驾驶员人脸检测 | 第28-38页 |
| 4.1 人脸检测方法简介 | 第28-29页 |
| 4.1.1 基于特征的人脸检测方法 | 第28页 |
| 4.1.2 基于统计理论的人脸检测方法 | 第28-29页 |
| 4.1.3 基于彩色信息的人脸检测方法 | 第29页 |
| 4.2 驾驶员人脸检测 | 第29-37页 |
| 4.2.1 色彩空间的选取 | 第29页 |
| 4.2.2 肤色模型的选取 | 第29-30页 |
| 4.2.3 人脸检测整体流程 | 第30-31页 |
| 4.2.4 人脸肤色聚类范围 | 第31-33页 |
| 4.2.5 窄窗法实现人脸定位 | 第33-36页 |
| 4.2.6 实验结果 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 5 驾驶员人眼定位 | 第38-48页 |
| 5.1 眼睛定位方法概述 | 第38-40页 |
| 5.2 人脸图像预处理 | 第40-42页 |
| 5.3 人眼初定位 | 第42-45页 |
| 5.4 区域生长法精确定位眼球 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 6 驾驶员疲劳状态检测 | 第48-53页 |
| 6.1 疲劳检测方法的概述 | 第48-50页 |
| 6.2 眼部状态数值化 | 第50-51页 |
| 6.3 基于PERCLOS的疲劳检测方法 | 第51页 |
| 6.4 实验结果 | 第51-53页 |
| 结论 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
