| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 主观评价检测 | 第14-15页 |
| 1.2.2 客观评价检测 | 第15-16页 |
| 1.2.3 国外研究现状 | 第16-18页 |
| 1.2.4 国内研究现状 | 第18页 |
| 1.3 本文研究内容及章节安排 | 第18-20页 |
| 第二章 视频及脉搏信号数据采集 | 第20-26页 |
| 2.1 实验采集系统 | 第20-23页 |
| 2.1.1 实验采集系统总体设计 | 第20-21页 |
| 2.1.2 传感器及使用软件简介 | 第21-23页 |
| 2.2 实验数据采集 | 第23-25页 |
| 2.2.1 清醒状态的数据采集 | 第24页 |
| 2.2.2 疲劳状态的数据采集 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于肤色分割和灰度积分投影的人眼特征提取 | 第26-44页 |
| 3.1 基于YCbCr空间下肤色分割的人脸定位 | 第26-33页 |
| 3.1.1 人脸检测方法综述 | 第26-27页 |
| 3.1.2 YCbCr空间下的肤色聚类 | 第27-31页 |
| 3.1.3 人眼定位结果及分析 | 第31-33页 |
| 3.2 基于灰度投影积分的人眼定位 | 第33-39页 |
| 3.2.1 图像预处理 | 第33-35页 |
| 3.2.2 基于灰度投影积分的人眼定位 | 第35-39页 |
| 3.3 人眼特征计算和提取 | 第39-43页 |
| 3.3.1 PERCLOS简介 | 第39-41页 |
| 3.3.2 眼睛疲劳特征提取和计算 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于小波变换的脉搏信息特征提取 | 第44-52页 |
| 4.1 脉搏信号简介 | 第44-45页 |
| 4.2 基于小波变换的脉搏信号处理 | 第45-51页 |
| 4.2.1 小波变换简介 | 第45-46页 |
| 4.2.2 基于小波变换的脉搏信号预处理和特征点识别 | 第46-50页 |
| 4.2.3 脉搏信号特征的选择和提取 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 基于SVM的特征融合与疲劳状态识别 | 第52-66页 |
| 5.1 PCA与SVM简介 | 第52-57页 |
| 5.1.1 主成分分析法PCA | 第52-54页 |
| 5.1.2 支持向量机SVM | 第54-57页 |
| 5.2 基于PCA和SVM的特征信息融合训练与疲劳状态识别 | 第57-60页 |
| 5.2.1 基于PCA的融合特征降维及选择 | 第57-58页 |
| 5.2.2 基于SVM的疲劳状态识别模型构建 | 第58-60页 |
| 5.3 识别结果及分析 | 第60-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-70页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |