| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 课题相关研究现状 | 第11-14页 |
| 1.2.1 疲劳及其评估：什么是疲劳，疲劳的客观指标 | 第11页 |
| 1.2.2 疲劳状态检测方法研究现状 | 第11-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 论文组织和安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 基于机器视觉的心率检测 | 第16-31页 |
| 2.1 基于机器视觉的心率检测原理和方法 | 第16-20页 |
| 2.1.1 引言 | 第16页 |
| 2.1.2 基于机器视觉的心率检测原理 | 第16-17页 |
| 2.1.3 基于机器视觉的心率检测方法 | 第17-20页 |
| 2.2 提高心率测量精度的方法 | 第20-29页 |
| 2.2.1 引言 | 第20-21页 |
| 2.2.2 仿真实验装置 | 第21页 |
| 2.2.3 消除摄像头的相位误差 | 第21-24页 |
| 2.2.4 减小系统时钟抖动误差 | 第24-26页 |
| 2.2.5 AITD、AIFD对比实验分析 | 第26-27页 |
| 2.2.6 基于时间表的信号重构实验 | 第27-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 基于机器视觉多信息融合的疲劳状态检测 | 第31-38页 |
| 3.1 引言 | 第31-32页 |
| 3.2 心率疲劳特征分析 | 第32-33页 |
| 3.3 眼部疲劳特征分析 | 第33-35页 |
| 3.4 多信息融合的疲劳状态检测模型 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 实验验证及结果分析 | 第38-45页 |
| 4.1 引言 | 第38页 |
| 4.2 实验装置 | 第38-39页 |
| 4.3 实验内容 | 第39-42页 |
| 4.3.1 实验方法 | 第39-40页 |
| 4.3.2 HRV分析 | 第40-42页 |
| 4.4 实验结果 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 嵌入式系统设计 | 第45-57页 |
| 5.1 系统整体设计方案 | 第45-46页 |
| 5.2 硬件平台介绍 | 第46-50页 |
| 5.3 软件设计 | 第50-54页 |
| 5.4 基于嵌入式系统的优化处理 | 第54-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第六章 总结和展望 | 第57-60页 |
| 6.1 本文总结 | 第57-58页 |
| 6.1.1 提高基于机器视觉的心率测量的精度 | 第57页 |
| 6.1.2 基于多信息融合的疲劳状态检测方法 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |