基于视觉的驾驶疲劳实时检测系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·研究背景与意义 | 第9-10页 |
| ·疲劳识别方法概述 | 第10-14页 |
| ·根据汽车动态变化来检测疲劳 | 第11页 |
| ·根据测量驾驶员的生理信号来检测疲劳 | 第11-12页 |
| ·根据监测头部,眼部的状态和活动来检测疲劳 | 第12-14页 |
| ·基于视觉的疲劳识别方法研究现状及分析 | 第14-19页 |
| ·本文的主要工作 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 基于肤色的人脸检测算法 | 第21-41页 |
| ·引言 | 第21页 |
| ·基于肤色的人脸检测算法 | 第21-38页 |
| ·基于肤色的人脸检测算法的现状 | 第21-23页 |
| ·人脸区域分割 | 第23-35页 |
| ·人脸特征定位和空间验证 | 第35-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 眼睛定位与跟踪 | 第41-55页 |
| ·引言 | 第41页 |
| ·基于Haar-Like特征级联分类器的人眼定位 | 第41-47页 |
| ·Haar-Like特征级联分类器原理 | 第41-46页 |
| ·人眼定位 | 第46-47页 |
| ·基于卡尔曼滤波与MEAN SHIFT的眼睛跟踪 | 第47-52页 |
| ·眼睛跟踪算法概述 | 第47-49页 |
| ·卡尔曼滤波算法 | 第49-50页 |
| ·MEAN SHIFT算法 | 第50-51页 |
| ·基于卡尔曼滤波与MEAN SHIFT的跟踪算法 | 第51-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 疲劳特征信息提取和疲劳程度计算 | 第55-69页 |
| ·引言 | 第55页 |
| ·疲劳检测原理 | 第55-58页 |
| ·PERCLOS原理及其改进算法 | 第55-57页 |
| ·基于嘴唇信息的疲劳检测原理 | 第57-58页 |
| ·基于眼睛以及嘴唇信息提取的疲劳程度计算 | 第58-64页 |
| ·眼睛信息提取及闭合程度计算 | 第58-62页 |
| ·基于嘴唇信息的疲劳程度计算 | 第62-64页 |
| ·眼睛状态与嘴唇特征的信息融合 | 第64页 |
| ·实验结果及分析 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 车辆疲劳视频检测系统设计 | 第69-84页 |
| ·引言 | 第69-70页 |
| ·车辆视频检测硬件系统 | 第70-77页 |
| ·检测系统的构成 | 第70-71页 |
| ·硬件模块电路设计 | 第71-77页 |
| ·车辆视频检测软件系统 | 第77-83页 |
| ·软件设计环境CCS | 第77-79页 |
| ·系统软件流程图 | 第79页 |
| ·基于DSP/BIOS的软件开发 | 第79-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| ·本文工作总结 | 第84-85页 |
| ·展望 | 第85-86页 |
| 参考文献 | 第86-94页 |
| 致谢 | 第94-95页 |
| 攻读学位期间主要的研究成果 | 第95页 |
