| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究历史和现状 | 第10-11页 |
| 1.2.1 可穿戴计算技术 | 第10-11页 |
| 1.2.2 数据融合技术 | 第11页 |
| 1.3 目前面临的问题 | 第11-12页 |
| 1.4 论文的主要内容及组织结构 | 第12-15页 |
| 第2章 相关技术分析 | 第15-19页 |
| 2.1 数据感知与传输技术 | 第15-16页 |
| 2.2 可穿戴计算 | 第16-17页 |
| 2.3 数据融合技术 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 面向可穿戴计算的数据融合算法研究 | 第19-37页 |
| 3.1 面向可穿戴计算的数据融合模型 | 第19-20页 |
| 3.1.1 数据融合模型 | 第19页 |
| 3.1.2 面向可穿戴计算的数据融合模型 | 第19-20页 |
| 3.2 数据级融合 | 第20-23页 |
| 3.2.1 数据级融合原理 | 第20-21页 |
| 3.2.2 加权估计数据级融合 | 第21-23页 |
| 3.3 特征级融合 | 第23-29页 |
| 3.3.1 特征级融合原理 | 第23-24页 |
| 3.3.2 特征级融合目标识别 | 第24页 |
| 3.3.3 串行融合与并行融合 | 第24-25页 |
| 3.3.4 基于支持向量机的目标识别 | 第25-29页 |
| 3.4 决策级融合 | 第29-35页 |
| 3.4.1 决策级融合原理 | 第29页 |
| 3.4.2 DS证据理论 | 第29-31页 |
| 3.4.3 基于权值DS证据理论的决策级融合 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于可穿戴计算的疲劳驾驶检测技术研究 | 第37-49页 |
| 4.1 疲劳驾驶检测技术基础 | 第37-39页 |
| 4.1.1 基于驾驶员生理指标的疲劳检测 | 第37-38页 |
| 4.1.2 基于车辆运行状态的疲劳检测 | 第38-39页 |
| 4.1.3 基于驾驶员行为特征的疲劳检测 | 第39页 |
| 4.2 基于可穿戴计算的疲劳驾驶检测技术 | 第39-46页 |
| 4.2.1 基于可穿戴计算的疲劳驾驶检测模型 | 第40页 |
| 4.2.2 基于头部动作的检测技术 | 第40-43页 |
| 4.2.3 基于脑电信号的检测技术 | 第43-46页 |
| 4.3 基于可穿戴计算的疲劳驾驶检测需求分析 | 第46-48页 |
| 4.3.1 场景描述 | 第47页 |
| 4.3.2 功能需求 | 第47-48页 |
| 4.3.3 非功能需求 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于可穿戴计算的疲劳驾驶检测系统设计与实现 | 第49-65页 |
| 5.1 系统架构设计 | 第49-51页 |
| 5.2 头戴式数据采集硬件设计与实现 | 第51-56页 |
| 5.2.1 硬件设计 | 第51-53页 |
| 5.2.2 代码实现 | 第53-56页 |
| 5.3 智能手机上软件设计与实现 | 第56-64页 |
| 5.3.1 数据接收 | 第57-59页 |
| 5.3.2 数据解析 | 第59-61页 |
| 5.3.3 数据保存 | 第61页 |
| 5.3.4 实时监测 | 第61-63页 |
| 5.3.5 报警模块 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 系统实验及结果 | 第65-73页 |
| 6.1 实验环境与设备 | 第65-66页 |
| 6.2 实验流程 | 第66页 |
| 6.3 实验数据分析 | 第66-70页 |
| 6.3.1 头部动作数据分析 | 第67-68页 |
| 6.3.2脑电数据分析 | 第68-70页 |
| 6.4 实验结果分析 | 第70-71页 |
| 6.5 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-81页 |
| 致谢 | 第81页 |