基于机器视觉的疲劳驾驶检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文完成的工作 | 第13-14页 |
| ·论文的组织 | 第14-15页 |
| 第二章 基于机器视觉的疲劳驾驶检测算法简介 | 第15-20页 |
| ·疲劳驾驶检测系统原理 | 第15-16页 |
| ·人脸检测方法概述 | 第16-17页 |
| ·人眼定位方法概述 | 第17-18页 |
| ·软件开发工具 | 第18-20页 |
| 第三章 驾驶员人脸检测 | 第20-52页 |
| ·基于肤色的人脸检测 | 第20-38页 |
| ·光线补偿 | 第21-22页 |
| ·色彩空间的选择 | 第22-24页 |
| ·YCbCr 色彩空间非线性变换 | 第24-26页 |
| ·建立高斯肤色模型 | 第26-27页 |
| ·图像二值化及去噪 | 第27-30页 |
| ·人脸区域分割 | 第30-37页 |
| ·基于肤色的人脸检测总结 | 第37-38页 |
| ·基于 AdaBoost 算法的人脸检测 | 第38-47页 |
| ·机器学习概述 | 第38-39页 |
| ·弱学习和强学习概念 | 第39页 |
| ·Boosting 学习算法 | 第39-40页 |
| ·AdaBoost 算法 | 第40-42页 |
| ·基于积分图像的 AdaBoost 人脸检测算法 | 第42-47页 |
| ·人脸检测实验结果 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 驾驶员人眼检测 | 第52-66页 |
| ·基于边缘特征的人眼定位 | 第52-57页 |
| ·人脸边缘检测 | 第52-54页 |
| ·人眼粗定位 | 第54-56页 |
| ·人眼精确定位 | 第56-57页 |
| ·基于二值化人眼定位 | 第57-61页 |
| ·图像反射分量 | 第58-59页 |
| ·灰度图二值化 | 第59-60页 |
| ·人眼精确定位 | 第60-61页 |
| ·人眼检测实验结果 | 第61-65页 |
| ·人脸数据库检测 | 第61-63页 |
| ·室内环境和车内环境检测 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 疲劳状态检测 | 第66-72页 |
| ·PERCLOS 算法原理 | 第66-67页 |
| ·区域生长法提取瞳孔 | 第67页 |
| ·疲劳状态判别 | 第67-69页 |
| ·疲劳检测实验结果 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
