| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 课题背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.2.1 疲劳驾驶行为的定义及表现 | 第16-17页 |
| 1.2.2 疲劳驾驶检测方法研究现状 | 第17页 |
| 1.2.3 基于驾驶员自身特征的疲劳驾驶检测算法 | 第17-21页 |
| 1.2.4 基于被驾驶车辆行为的疲劳驾驶检测算法 | 第21-23页 |
| 1.3 研究的主要内容 | 第23-24页 |
| 1.4 论文章节安排 | 第24-26页 |
| 第二章 疲劳驾驶检测系统及人脸检测算法简介 | 第26-33页 |
| 2.1 疲劳驾驶检测系统简介 | 第26-28页 |
| 2.1.1 疲劳驾驶检测系统设计原则 | 第26-27页 |
| 2.1.2 本文提出的疲劳驾驶检测系统 | 第27-28页 |
| 2.2 人脸检测算法简介 | 第28-32页 |
| 2.2.1 Haar-like特征简介 | 第28-29页 |
| 2.2.2 Haar-like特征的快速计算 | 第29-30页 |
| 2.2.3 AdaBoost算法描述 | 第30-31页 |
| 2.2.4 级联分类器原理简介 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于眼部特征检测的疲劳驾驶检测 | 第33-43页 |
| 3.1 基于眼部特征检测的疲劳驾驶检测算法简介 | 第33-34页 |
| 3.2 人脸检测分类器的优化 | 第34-38页 |
| 3.2.1 模拟驾驶环境介绍 | 第34-35页 |
| 3.2.2 分类器参数的优化 | 第35-38页 |
| 3.3 虹膜定位算法描述 | 第38-39页 |
| 3.4 基于PERCLOS参数的疲劳状态判断 | 第39-41页 |
| 3.5 基于眼部特征检测的疲劳驾驶检测系统实验分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于头部姿态估计的疲劳驾驶检测 | 第43-56页 |
| 4.1 基于头部姿态估计的疲劳驾驶检测算法简介 | 第43-44页 |
| 4.2 头部姿态估计研究概述 | 第44-49页 |
| 4.2.1 欧拉旋转角定义 | 第44-45页 |
| 4.2.2 头部姿态估计算法简介 | 第45-49页 |
| 4.3 基于特征回归的头部姿态估计算法 | 第49-53页 |
| 4.3.1 梯度朝向直方图简介 | 第49-50页 |
| 4.3.2 二阶梯度朝向直方图概述 | 第50-51页 |
| 4.3.3 随机森林算法简介 | 第51-52页 |
| 4.3.4 姿态估计及疲劳状态判断 | 第52-53页 |
| 4.4 基于头部姿态估计的疲劳驾驶检测系统实验分析 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于FPGA的循环可分解二维卷积设计 | 第56-68页 |
| 5.1 二维卷积器设计概述 | 第56-57页 |
| 5.2 循环可分解二维滤波器简介 | 第57-59页 |
| 5.3 循环可分解卷积器设计 | 第59-63页 |
| 5.3.1 循环可分解FB卷积器结构设计 | 第59-60页 |
| 5.3.2 循环可分解SWPB卷积器结构设计 | 第60-61页 |
| 5.3.3 循环可分解MWPB卷积器结构设计 | 第61-63页 |
| 5.4 循环可分解卷积器性能分析 | 第63-67页 |
| 5.4.1 FPGA实验分析 | 第63-64页 |
| 5.4.2 卷积器结构选择 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士研究生期间的研究成果 | 第79-80页 |
| 学位论文评阅及答辩情况表 | 第80页 |