基于眼部图像特征的人体疲劳检测研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文章节安排 | 第19-21页 |
| 第二章 疲劳检测相关理论与技术 | 第21-35页 |
| 2.1 疲劳检测理论 | 第21-23页 |
| 2.2 人脸图像检测方法的理论及应用 | 第23-29页 |
| 2.2.1 人脸检测的理论 | 第23-24页 |
| 2.2.2 Viola-Jones对象检测的理论 | 第24-29页 |
| 2.2.3 Viola-Jones对象检测的应用 | 第29页 |
| 2.3 眼部检测定位方法的理论及应用 | 第29-32页 |
| 2.3.1 眼部检测方法的理论 | 第29-32页 |
| 2.3.2 眼部检测方法的应用 | 第32页 |
| 2.4 反馈调节理论及应用 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 人脸图像检测算法设计与实现 | 第35-51页 |
| 3.1 人脸图像采集 | 第36-37页 |
| 3.1.1 摄像头选取 | 第36-37页 |
| 3.1.2 摄像头安放位置 | 第37页 |
| 3.2 图像预处理方法设计 | 第37-44页 |
| 3.2.1 图像滤波 | 第38-39页 |
| 3.2.2 图像增强 | 第39-41页 |
| 3.2.3 图像角度归一化 | 第41-42页 |
| 3.2.4 图像数据归一化 | 第42页 |
| 3.2.5 图像数据二值化 | 第42-44页 |
| 3.3 人脸检测算法设计 | 第44-48页 |
| 3.3.1 Viola-Jones对象检测方法 | 第44-45页 |
| 3.3.2 Haar-like特征扩展与计算 | 第45-48页 |
| 3.4 人脸检测算法的实现 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 人眼定位与跟踪算法的设计与实现 | 第51-63页 |
| 4.1 眼部图像检测概述 | 第51-52页 |
| 4.2 红外人眼角点检测算法与实现 | 第52-55页 |
| 4.3 人眼跟踪算法的设计与实现 | 第55-62页 |
| 4.3.1 改进的重采样算法 | 第55-58页 |
| 4.3.2 人眼跟踪算法的实现 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 疲劳检测与调节的设计与实现 | 第63-73页 |
| 5.1 疲劳检测算法设计与实现 | 第63-67页 |
| 5.1.1 眼睛状态检测法 | 第63-64页 |
| 5.1.2 眼睑差值计算法 | 第64-67页 |
| 5.2 疲劳调节算法设计与实现 | 第67-70页 |
| 5.3 系统测试结果及分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
