| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究目标与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 疲劳驾驶监测方法研究现状 | 第9-11页 |
| 1.2.2 疲劳驾驶监测系统研究现状 | 第11-12页 |
| 1.2.3 Android平台在车载系统的应用现状 | 第12-13页 |
| 1.3 基于Android平台的车载疲劳驾驶监测系统总体结构 | 第13-14页 |
| 1.4 论文主要内容及章节安排 | 第14-16页 |
| 1.4.1 主要内容 | 第14-15页 |
| 1.4.2 章节安排 | 第15-16页 |
| 第二章 人脸检测及跟踪 | 第16-38页 |
| 2.1 人脸检测及跟踪技术概述 | 第16-18页 |
| 2.1.1 人脸检测技术 | 第16-17页 |
| 2.1.2 人脸跟踪技术 | 第17-18页 |
| 2.2 基于Adaboost算法的人脸检测 | 第18-28页 |
| 2.2.1 Adaboost算法框架 | 第18-19页 |
| 2.2.2 矩形特征 | 第19-22页 |
| 2.2.3 积分图 | 第22-23页 |
| 2.2.4 弱分类器 | 第23-25页 |
| 2.2.5 强分类器 | 第25-26页 |
| 2.2.6 级联分类器 | 第26-27页 |
| 2.2.7 检测过程 | 第27-28页 |
| 2.3 基于Kalman滤波的人脸跟踪 | 第28-31页 |
| 2.4 实验与仿真 | 第31-37页 |
| 2.4.1 训练样本的构建 | 第31-33页 |
| 2.4.2 人脸检测器训练 | 第33页 |
| 2.4.3 测试与分析 | 第33-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 人眼定位 | 第38-47页 |
| 3.1 人眼待检测区域分割 | 第38-40页 |
| 3.2 基于Adaboost算法的人眼定位 | 第40页 |
| 3.3 基于加窗灰度积分投影算法的眉眼分离 | 第40-44页 |
| 3.4 实验与仿真 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 疲劳状态识别 | 第47-59页 |
| 4.1 基于PERCLOS的疲劳状态识别 | 第47-49页 |
| 4.1.1 PERCLOS疲劳评测方法简述 | 第47-48页 |
| 4.1.2 PERCLOS的P80测量原理 | 第48-49页 |
| 4.2 基于眼睛区域面积的人眼状态识别 | 第49-52页 |
| 4.2.1 二值化分割阈值的确定 | 第49-51页 |
| 4.2.2 眼睛状态的识别 | 第51-52页 |
| 4.3 基于上眼睑曲率的人眼状态识别 | 第52-54页 |
| 4.4 实验与仿真 | 第54-58页 |
| 4.4.1 基于眼睛区域面积的人眼状态识别方法的仿真测试 | 第54-55页 |
| 4.4.2 基于上眼睑曲率的人眼状态识别方法的仿真测试 | 第55-57页 |
| 4.4.3 基于PERCLOS的疲劳识别方法的仿真测试 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于Android平台的车载疲劳驾驶监测系统的实现 | 第59-72页 |
| 5.1 Android简介及其系统架构 | 第59-60页 |
| 5.2 Android开发平台的搭建 | 第60-61页 |
| 5.3 开源计算机视觉库OpenCV | 第61-64页 |
| 5.3.1 OpenCV简介 | 第61-62页 |
| 5.3.2 OpenCV Manager | 第62-63页 |
| 5.3.3 OpenCV开发环境搭建 | 第63-64页 |
| 5.4 系统实现 | 第64-71页 |
| 5.4.1 界面布局设计 | 第66-67页 |
| 5.4.2 摄像头权限获取 | 第67页 |
| 5.4.3 程序实现 | 第67-69页 |
| 5.4.4 实现效果 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 个人简历 在读期间发表的学术论文 | 第78-79页 |
| 致谢 | 第79页 |
