基于视频图像信息提取的驾驶员疲劳检测技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·课题提出的背景及意义 | 第8页 |
| ·疲劳检测技术的国内外研究现状 | 第8-12页 |
| ·国外疲劳检测研究现状 | 第9-12页 |
| ·国内疲劳检测研究现状 | 第12页 |
| ·基于视觉的疲劳驾驶检测技术特点 | 第12-14页 |
| ·本论文研究内容与结构安排 | 第14-16页 |
| ·本论文的主要研究内容 | 第14页 |
| ·本论文结构安排 | 第14-16页 |
| 2 视频图像的预处理 | 第16-23页 |
| ·图像光照补偿 | 第16-17页 |
| ·图像平滑滤波处理 | 第17-21页 |
| ·图像灰度拉伸 | 第21-23页 |
| 3 人脸检测 | 第23-37页 |
| ·人脸检测概述 | 第23-24页 |
| ·人脸检测算法 | 第24-32页 |
| ·基于先验规则的检测方法 | 第24-25页 |
| ·基于动态图像的检测方法 | 第25-26页 |
| ·基于统计学习的检测方法 | 第26-29页 |
| ·基于肤色的人脸定位 | 第29-32页 |
| ·基于二值化图像的人脸定位算法 | 第32-37页 |
| 4 眼睛定位 | 第37-52页 |
| ·眼睛定位方法 | 第37-39页 |
| ·眼睛位置精确定位 | 第39-47页 |
| ·混合投影函数原理 | 第40-41页 |
| ·眼睛窗口的获取 | 第41-44页 |
| ·眼睛定位与虹膜位置定位 | 第44-47页 |
| ·眼睛位置跟踪 | 第47-52页 |
| ·Kalman滤波方法 | 第47-49页 |
| ·基于Kalman滤波的眼睛区域跟踪 | 第49-52页 |
| 5 眼睛特征提取与状态识别 | 第52-63页 |
| ·眼睛状态识别方法 | 第52-53页 |
| ·基于虹膜外接矩形的眼睛状态识别 | 第53-54页 |
| ·上眼睑轮廓定位 | 第54-59页 |
| ·角点检测 | 第54-56页 |
| ·眼角定位 | 第56-59页 |
| ·基于上眼睑高度的眼睛状态识别 | 第59-63页 |
| ·上眼睑轮廓拟合 | 第59-60页 |
| ·眼睛状态识别 | 第60-63页 |
| 6 疲劳状态检测 | 第63-71页 |
| ·疲劳状态检测方法 | 第63-64页 |
| ·疲劳检测 | 第64-66页 |
| ·PERCLOS测量原理 | 第64-65页 |
| ·PERCLOS与眨眼频率相结合的疲劳判断 | 第65-66页 |
| ·实验结果分析 | 第66-71页 |
| ·系统实现流程 | 第66-69页 |
| ·实验结果分析 | 第69-71页 |
| 7 总结与展望 | 第71-73页 |
| 8 参考文献 | 第73-78页 |
| 9 攻读硕士学位期间发表论文情况 | 第78-79页 |
| 10 致谢 | 第79页 |
