基于多视觉信息融合的驾驶员疲劳检测方法研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10页 |
| ·疲劳驾驶研究现状 | 第10-14页 |
| ·基于计算机视觉的方法 | 第11-13页 |
| ·多种信息融合的方法 | 第13-14页 |
| ·小结 | 第14页 |
| ·主要研究内容和结构安排 | 第14-18页 |
| ·主要研究内容 | 第14-15页 |
| ·论文结构安排 | 第15-18页 |
| 第2章 总体构架 | 第18-22页 |
| ·引言 | 第18页 |
| ·硬件结构 | 第18-19页 |
| ·软件流程 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 人脸定位 | 第22-42页 |
| ·引言 | 第22页 |
| ·人脸检测 | 第22-25页 |
| ·肤色区域分割与人脸验证的方法 | 第22-23页 |
| ·基于启发式模型的方法 | 第23-24页 |
| ·基于统计模型的方法 | 第24-25页 |
| ·人脸检测的实现 | 第25-30页 |
| ·肤色提取 | 第25-28页 |
| ·基于先验知识的人脸区域绑定 | 第28-30页 |
| ·CAM Shift原理 | 第30-36页 |
| ·颜色空间选择 | 第32-33页 |
| ·反向投影 | 第33-35页 |
| ·MeanShift算法 | 第35页 |
| ·Cam Shift 运算 | 第35-36页 |
| ·基于CAM Shift的人脸跟踪 | 第36页 |
| ·双摄像机协作 | 第36-40页 |
| ·P协议 | 第37-38页 |
| ·双摄像机协作的实现 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 眼睛、嘴部定位 | 第42-66页 |
| ·引言 | 第42页 |
| ·眼睛检测的方法 | 第42-48页 |
| ·Haar-Like特征 | 第43-44页 |
| ·积分图像 | 第44-46页 |
| ·Haar-Like特征分类器 | 第46-48页 |
| ·眼睛跟踪 | 第48-59页 |
| ·一阶预测算法 | 第49-50页 |
| ·卡尔曼滤波 | 第50-53页 |
| ·粒子滤波 | 第53-56页 |
| ·基于均值偏移理论的粒子滤波 | 第56-59页 |
| ·眼睛及嘴部定位 | 第59-64页 |
| ·“参考白”算法 | 第59-61页 |
| ·眼睛定位 | 第61-63页 |
| ·嘴部定位 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 疲劳信息提取 | 第66-72页 |
| ·引言 | 第66页 |
| ·眼部疲劳信息提取 | 第66-69页 |
| ·PERCLOS信息提取 | 第66-68页 |
| ·BlinkFreq信息提取 | 第68-69页 |
| ·嘴部及头部疲劳信息提取 | 第69-70页 |
| ·YawnFreq信息提取 | 第69-70页 |
| ·NodFreq信息提取 | 第70页 |
| ·外接矩形宽高比的归一化 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 疲劳程度计算及实验结果分析 | 第72-84页 |
| ·引言 | 第72-73页 |
| ·基于贝叶斯的疲劳信息融合 | 第73-80页 |
| ·动态贝叶斯网络的数据融合理论 | 第74-77页 |
| ·贝叶斯网络的拓补结构 | 第77-78页 |
| ·贝叶斯网络的参数获取 | 第78-80页 |
| ·疲劳检测实验结果及分析 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间所发表的学术论文 | 第90-91页 |
| 致谢 | 第91页 |
