| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 疲劳驾驶检测技术分类 | 第11-14页 |
| 1.2.1 基于生理信号的检测方法 | 第11-12页 |
| 1.2.2 基于车辆行为的检测方法 | 第12-13页 |
| 1.2.3 基于驾驶员行为的检测方法 | 第13-14页 |
| 1.3 疲劳驾驶检测国内外现状 | 第14-15页 |
| 1.3.1 国外疲劳检测研究现状 | 第14页 |
| 1.3.2 国内疲劳检测研究现状 | 第14-15页 |
| 1.4 基于视觉的驾驶员疲劳检测 | 第15-16页 |
| 1.5 论文的主要内容和组织结构 | 第16-18页 |
| 第2章 疲劳检测预处理与肤色分割 | 第18-31页 |
| 2.1 疲劳检测预处理 | 第18-21页 |
| 2.1.1 图像去噪 | 第18-19页 |
| 2.1.2 图像光补偿 | 第19-21页 |
| 2.2 肤色分割 | 第21-30页 |
| 2.2.1 色彩空间 | 第21-25页 |
| 2.2.2 肤色模型 | 第25-27页 |
| 2.2.3 形态学图像处理 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 Adaboost人脸检测算法 | 第31-52页 |
| 3.1 矩形特征 | 第31-36页 |
| 3.1.1 haar矩形特征 | 第31-34页 |
| 3.1.2 LBP矩形特征 | 第34-36页 |
| 3.2 积分图 | 第36-38页 |
| 3.3 haar特征的Adaboost算法 | 第38-41页 |
| 3.4 改进LBP特征的Adaboost算法 | 第41-45页 |
| 3.5 MB-LBP特征与其它特征的效果对比 | 第45-47页 |
| 3.5.1 速度上的提升 | 第45-47页 |
| 3.5.2 效果上的提升 | 第47页 |
| 3.6 实验结果分析 | 第47-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第4章 驾驶员人眼定位与识别 | 第52-63页 |
| 4.1 人眼定位 | 第52-56页 |
| 4.1.1 人眼定位方法概述 | 第52-53页 |
| 4.1.2 改进的基于知识和统计结合的人眼定位 | 第53-56页 |
| 4.2 人眼识别 | 第56-59页 |
| 4.2.1 人眼识别方法概述 | 第56-57页 |
| 4.2.2 改进的基于人眼高宽比人眼识别 | 第57-59页 |
| 4.3 实验结果分析 | 第59-62页 |
| 本章小结 | 第62-63页 |
| 第5章 疲劳分析 | 第63-70页 |
| 5.1 基于视觉的疲劳检测方法概述 | 第63-64页 |
| 5.2 基于眨眼频率与PERCLOS结合的疲劳判定 | 第64-68页 |
| 5.2.1 PERCLOS参数提取 | 第65-66页 |
| 5.2.2 眨眼频率参数提取 | 第66-67页 |
| 5.2.3 疲劳判定的阈值 | 第67-68页 |
| 5.3 实验结果分析 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 附录A (攻读学位期间的研究成果) | 第78-79页 |
| 附录B (攻读学位期间参与的科研项目) | 第79页 |