基于Kinect的安全驾驶状态监测方法和技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状与存在的问题 | 第10-14页 |
| 1.2.1 驾驶员疲劳状态监测方法 | 第10-12页 |
| 1.2.2 人体行为识别 | 第12页 |
| 1.2.3 Kinect的研究与应用 | 第12-13页 |
| 1.2.4 当前研究存在的问题 | 第13-14页 |
| 1.3 研究目标及内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第2章 驾驶员疲劳监测研究 | 第17-40页 |
| 2.1 基于Kinect的疲劳监测分析 | 第17-19页 |
| 2.2 图像预处理 | 第19-27页 |
| 2.2.1 红外图像格式转化 | 第19-21页 |
| 2.2.2 红外图像预处理 | 第21-25页 |
| 2.2.3 彩色图像灰度化 | 第25-26页 |
| 2.2.4 红外图像和彩色图像的切换 | 第26-27页 |
| 2.3 头部低头监测 | 第27-30页 |
| 2.4 嘴部打哈欠监测 | 第30-32页 |
| 2.5 眼部状态监测 | 第32-38页 |
| 2.5.1 眼部跟踪 | 第33页 |
| 2.5.2 眼部状态识别方法 | 第33-37页 |
| 2.5.3 PERCLOS值及有效性 | 第37-38页 |
| 2.6 实验结果及分析 | 第38-39页 |
| 2.7 本章小结 | 第39-40页 |
| 第3章 驾驶员行为识别研究 | 第40-61页 |
| 3.1 基于Kinect的行为识别分析 | 第40-41页 |
| 3.2 行为特征提取 | 第41-46页 |
| 3.2.1 行为表示方法 | 第41-43页 |
| 3.2.2 行为特征量离散化 | 第43-44页 |
| 3.2.3 行为特征量序列在线提取 | 第44-46页 |
| 3.3 行为识别方法 | 第46-57页 |
| 3.3.1 隐马尔科夫模型 | 第47-49页 |
| 3.3.2 行为识别过程 | 第49-57页 |
| 3.4 实验结果及分析 | 第57-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 安全驾驶状态监测模拟系统 | 第61-74页 |
| 4.1 总体设计 | 第61-62页 |
| 4.2 疲劳信息融合 | 第62-67页 |
| 4.2.1 RBF神经网络 | 第63-64页 |
| 4.2.2 融合方法 | 第64-67页 |
| 4.2.3 利用滑动窗口计算最终疲劳值 | 第67页 |
| 4.3 注意力分散行为识别 | 第67-70页 |
| 4.4 安全预警 | 第70-71页 |
| 4.5 数据保存 | 第71-73页 |
| 4.6 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-77页 |
| 5.1 总结 | 第74-75页 |
| 5.2 展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间的研究成果 | 第81页 |
