基于深度信息和彩色图像的疲劳驾驶检测研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.1.1 课题研究背景 | 第8-9页 |
| 1.1.2 课题研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 疲劳驾驶国内研究现状 | 第9-11页 |
| 1.2.2 疲劳驾驶国外研究现状 | 第11-14页 |
| 1.3 本文的主要研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 2 深度信息和彩色图像的获取 | 第16-27页 |
| 2.1 Kinect传感器简介 | 第16-19页 |
| 2.1.1 Kinect组成结构 | 第16-17页 |
| 2.1.2 Kinect工作原理 | 第17-19页 |
| 2.2 图像信息的获取 | 第19-22页 |
| 2.2.1 深度信息的获取 | 第19-22页 |
| 2.2.2 彩色图像的获取 | 第22页 |
| 2.3 深度信息的预处理 | 第22-26页 |
| 2.3.1 人体部分和背景的分离 | 第22-23页 |
| 2.3.2 深度图像转换为点云显示 | 第23-25页 |
| 2.3.3 降噪处理 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 驾驶员眼睛状态检测 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 人脸检测 | 第27-30页 |
| 3.2.1 AdaBoost方法检测人脸 | 第27-29页 |
| 3.2.2 人脸检测结果 | 第29-30页 |
| 3.3 人眼检测 | 第30-34页 |
| 3.3.1 人眼大致区域图像预处理 | 第30-33页 |
| 3.3.2 直方图积分投影判断人眼位置 | 第33-34页 |
| 3.4 眼睛状态的判断 | 第34-35页 |
| 3.4.1 人眼睁开闭合三个特征 | 第34页 |
| 3.4.2 模糊综合评价 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 驾驶员头部姿态估计 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 构建决策树 | 第36-40页 |
| 4.2.1 构建算法 | 第36-38页 |
| 4.2.2 过拟合与剪枝 | 第38-40页 |
| 4.3 判别性随机回归森林 | 第40-47页 |
| 4.3.1 随机森林算法 | 第40-41页 |
| 4.3.2 概率投票模型 | 第41-43页 |
| 4.3.3 判别性随机回归森林 | 第43-47页 |
| 4.4 实验结果 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 疲劳驾驶状态的判定 | 第51-57页 |
| 5.1 PERCLOS标准判断眼睛疲劳 | 第51-53页 |
| 5.2 头部运动角度判断打瞌睡 | 第53-54页 |
| 5.3 实验结果分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
| A. 作者在攻读学位期间发表的论文目录： | 第64页 |
