基于眼睑运动的司机疲劳检测
| 第一章 绪论 | 第1-17页 |
| ·引言 | 第9页 |
| ·研究的必要性 | 第9-10页 |
| ·驾驶疲劳的检测方法 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究状况 | 第11-12页 |
| ·国内研究状况 | 第12页 |
| ·研究思路的确定 | 第12-13页 |
| ·本文的主要研究内容和关键技术 | 第13-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 眼睛特征提取 | 第17-36页 |
| ·引言 | 第17页 |
| ·特征提取方法概述 | 第17-24页 |
| ·基于灰度及其变化等低层次信息 | 第17-18页 |
| ·动态形状模型 | 第18-21页 |
| ·基于可变形模板的特征提取 | 第21-24页 |
| ·基于虹膜检测与可变形模板相结合的眼睛特征检测 | 第24-36页 |
| ·基于彩色分割的虹膜检测 | 第24-29页 |
| ·利用彩色分割确定虹膜区域 | 第25-28页 |
| ·利用饱和度(S)确定眼睛区域 | 第26-28页 |
| ·利用亮度(即灰度)确定虹膜区域 | 第28页 |
| ·利用Hough变换检测虹膜 | 第28-29页 |
| ·实验结果 | 第29页 |
| ·基于可变形模板的眼睛轮廓的提取 | 第29-36页 |
| ·眼睛轮廓特征模板 | 第30页 |
| ·根据已检测到的虹膜定位眼睛轮廓模板的大概位置 | 第30-31页 |
| ·提取眼睛关键点得到较好的模板参数 | 第31页 |
| ·利用可变形模板进行眼睛轮廓的精确提取 | 第31-35页 |
| ·势能场 | 第32-33页 |
| ·能量函数 | 第33-34页 |
| ·模板的匹配过程 | 第34-35页 |
| ·实验结果 | 第35-36页 |
| 第三章 眼睛特征跟踪 | 第36-54页 |
| ·引言 | 第36-37页 |
| ·运动估计理论 | 第37-46页 |
| ·基于贝叶斯(Bayes)方法的运动估计 | 第38-39页 |
| ·基于相位相关方法的运动估计 | 第39-40页 |
| ·逐像素法运动估计 | 第40-41页 |
| ·块匹配估计 | 第41页 |
| ·光流场运动估计的提出 | 第41-46页 |
| ·光流场的基本原理 | 第41-43页 |
| ·开孔问题 | 第41页 |
| ·光流约束方程 | 第41-43页 |
| ·经典光流场算法 | 第43-46页 |
| ·Horn-Schunck方法 | 第43-45页 |
| ·Lucas-Kanade方法 | 第45-46页 |
| ·眼睛特征跟踪 | 第46-52页 |
| ·虹膜跟踪 | 第46-47页 |
| ·基于光流估计与可变形模板相结合的眼睛轮廓跟踪 | 第47-52页 |
| ·可变形模板跟踪图像轮廓时存在的问题 | 第47页 |
| ·利用光流预测可变形模板初期轮廓的方法 | 第47-51页 |
| ·特征点的选取 | 第47-48页 |
| ·特征点的跟踪 | 第48-49页 |
| ·金字塔结构的引入及光流求解 | 第49-51页 |
| ·眼睛轮廓的修正 | 第51-52页 |
| ·实验测试 | 第52-54页 |
| 第四章 眼睛状态识别 | 第54-61页 |
| ·引言 | 第54页 |
| ·眼睛状态的识别 | 第54-61页 |
| ·眼睛状态识别方法 | 第54-57页 |
| ·由粗到精的眼睛状态识别方法 | 第57-61页 |
| ·眼睛参数提取算法 | 第57-58页 |
| ·判断眼睛的睁闭 | 第58-59页 |
| ·实验结果 | 第59-61页 |
| 第五章 基于眼睑运动的司机疲劳的检测 | 第61-67页 |
| ·引言 | 第61页 |
| ·司机疲劳判定方法 | 第61-62页 |
| ·司机疲劳检测系统 | 第62-64页 |
| ·PERCLOS疲劳测定 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·主要结论 | 第67页 |
| ·未来工作的展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间主要的研究成果 | 第75页 |
