复杂光照及姿态下的人眼检测与跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景和意义 | 第8页 |
| ·驾驶人状态监测技术的研究现状 | 第8-10页 |
| ·国外驾驶人疲劳检测系统的研究现状 | 第9页 |
| ·国内驾驶人疲劳检测系统的研究现状 | 第9-10页 |
| ·基于PERCLOS的驾驶人疲劳检测方法 | 第10页 |
| ·论文的研究内容和组织结构 | 第10-12页 |
| 2 人眼检测算法概述 | 第12-16页 |
| ·基于知识的人眼检测 | 第12-14页 |
| ·基于积分投影及改进的积分投影法的眼睛定位方法 | 第12-13页 |
| ·基于模板匹配的方法 | 第13页 |
| ·基于对称变换的人脸图像眼睛定位方法 | 第13-14页 |
| ·基于统计的方法 | 第14-16页 |
| ·隐马尔可夫模型(HMM) | 第14页 |
| ·神经网络 | 第14-16页 |
| 3 支持向量机 | 第16-26页 |
| ·统计学习理论的基本问题 | 第16-18页 |
| ·问题的表示 | 第16-17页 |
| ·经验风险最小化 | 第17-18页 |
| ·复杂性与推广能力 | 第18页 |
| ·统计学习理论的核心内容 | 第18-20页 |
| ·VC维 | 第18-19页 |
| ·推广性的界 | 第19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机 | 第20-26页 |
| ·线性可分情况 | 第20-21页 |
| ·广义最优分类超平面 | 第21-22页 |
| ·线性不可分情况 | 第22-26页 |
| 4 样本的选取与SVM训练算法 | 第26-40页 |
| ·样本选取 | 第26-28页 |
| ·人眼样本的选取 | 第26-27页 |
| ·非人眼样本的选取 | 第27-28页 |
| ·支持向量机的训练算法 | 第28-37页 |
| ·块算法 | 第29页 |
| ·固定样本集 | 第29-30页 |
| ·次序最小优化算法(SMO) | 第30-37页 |
| ·人眼样本训练系统的实现 | 第37-40页 |
| ·样本预处理 | 第38页 |
| ·基于SMO的人眼样本训练 | 第38-40页 |
| 5 基于支持向量机的人眼检测系统的实现 | 第40-52页 |
| ·静态图像中的人眼检测 | 第40-48页 |
| ·人眼检测 | 第40-41页 |
| ·窗口融合 | 第41页 |
| ·对静态人脸图像的测试 | 第41-48页 |
| ·视频中的人眼检测 | 第48-51页 |
| ·人脸检测 | 第49-50页 |
| ·人眼检测 | 第50页 |
| ·对视频文件的测试 | 第50-51页 |
| ·结果分析 | 第51-52页 |
| 6 人眼跟踪 | 第52-58页 |
| ·基于Kalman滤波的跟踪窗口预测 | 第53-56页 |
| ·Kalman预测理论概述 | 第53-54页 |
| ·Kalman滤波器方程 | 第54-55页 |
| ·Kalman滤波器在眼睛跟踪中的应用 | 第55-56页 |
| ·实验结果与分析 | 第56-58页 |
| 7 结论与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 在校期间发表论文 | 第66页 |
