| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景及研究意义 | 第12页 |
| 1.2 疲劳检测技术的分类 | 第12-14页 |
| 1.3 疲劳检测技术国内外研究现状 | 第14-16页 |
| 1.4 课题关键技术与难点 | 第16页 |
| 1.5 论文内容与组织结构 | 第16-18页 |
| 第二章 人脸人眼检测相关技术介绍 | 第18-24页 |
| 2.1 人脸检测方法概述 | 第18-22页 |
| 2.1.1 基于知识的检测方法 | 第18-19页 |
| 2.1.2 基于统计模型的检测方法 | 第19-22页 |
| 2.2 人眼检测方法概述 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于改进FTAdaboost算法和肤色空间的人脸检测 | 第24-36页 |
| 3.1 传统Adaboost算法简介 | 第24-28页 |
| 3.1.1 特征对算法性能的影响 | 第24页 |
| 3.1.2 Haar特征 | 第24-25页 |
| 3.1.3 积分图计算Haar特征值 | 第25-26页 |
| 3.1.4 传统Adaboost算法 | 第26-27页 |
| 3.1.5 传统算法分析 | 第27-28页 |
| 3.2 Adaboost算法的改进 | 第28-32页 |
| 3.2.1 Haar特征裁剪 | 第28-30页 |
| 3.2.2 结合肤色空间的人脸检测 | 第30-32页 |
| 3.3 实验结果及分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 疲劳检测系统的设计与实现 | 第36-50页 |
| 4.1 疲劳检测系统的总体设计 | 第36-37页 |
| 4.2 疲劳检测系统的具体实现 | 第37-49页 |
| 4.2.1 图像采集 | 第37-38页 |
| 4.2.2 人脸和人眼检测 | 第38-40页 |
| 4.2.3 虹膜轮廓分割 | 第40-47页 |
| 4.2.4 计算睁眼程度及疲劳判定 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 实验结果与分析 | 第50-58页 |
| 5.1 不同光照条件下的人脸和人眼检测 | 第50-53页 |
| 5.2 不同光照条件下的疲劳检测 | 第53-55页 |
| 5.3 正常光照条件下车载环境中的疲劳检测 | 第55页 |
| 5.4 本章小结 | 第55-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 不足与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者和导师简介 | 第68-69页 |
| 附件 | 第69-70页 |