基于面部特征的疲劳驾驶预警系统的研究
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 论文的研究背景和意义 | 第13-16页 |
| 1.2 疲劳驾驶预警系统的研究情况及未来发展导向 | 第16-20页 |
| 1.2.1 疲劳驾驶概述 | 第16-17页 |
| 1.2.2 国外研究情况 | 第17-19页 |
| 1.2.3 国内研究情况 | 第19页 |
| 1.2.4 研究疲劳驾驶预警系统的趋势 | 第19-20页 |
| 1.3 本文的结构安排及主要内容 | 第20-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第2章 人脸检测方法研究 | 第23-35页 |
| 2.1 颜色空间 | 第24-26页 |
| 2.1.1 几种常用颜色空间 | 第24-26页 |
| 2.1.2 YCbCr颜色空间 | 第26页 |
| 2.2 基于肤色的人脸图像分割 | 第26-28页 |
| 2.2.1 高斯模型 | 第26-27页 |
| 2.2.2 基于肤色分割 | 第27-28页 |
| 2.3 Adaboost算法 | 第28-30页 |
| 2.4 模板匹配方法 | 第30-32页 |
| 2.5 基于三种混合方法的实验结果 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 人眼检测及状态分析 | 第35-42页 |
| 3.1 常见人眼检测算法 | 第35-39页 |
| 3.1.0 霍夫(Hough)变换法 | 第35-36页 |
| 3.1.1 积分投影法 | 第36-37页 |
| 3.1.2 阈值分割法 | 第37-38页 |
| 3.1.3 改进的“三庭五眼”法 | 第38-39页 |
| 3.2 根据人眼疲劳判断 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 人嘴检测及状态分析 | 第42-47页 |
| 4.1 常见的人嘴检测算法 | 第43-44页 |
| 4.1.1 基于Fisher准则的人嘴定位算法 | 第43页 |
| 4.1.2 基于AAM算法的人嘴定位算法 | 第43-44页 |
| 4.1.3 基于人脸几何分布特征的定位算法 | 第44页 |
| 4.2 基于改进的“三庭五眼”法检测人嘴 | 第44-45页 |
| 4.3 人嘴状态的判断 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 信息融合技术在疲劳驾驶预警系统中的应用 | 第47-60页 |
| 5.1 常见的信息融合技术简介 | 第48-51页 |
| 5.1.1 模糊推理算法 | 第48-49页 |
| 5.1.2 可能性理论算法 | 第49-50页 |
| 5.1.3 贝叶斯融合算法 | 第50-51页 |
| 5.2 DS证据理论基础概述 | 第51-55页 |
| 5.2.1 DS证据理论的基本概念 | 第51-53页 |
| 5.2.2 DS证据理论的组合规则 | 第53-55页 |
| 5.3 基于DS证据理论的信息融合 | 第55-56页 |
| 5.4 DS证据理论算法在疲劳驾驶中的应用 | 第56-59页 |
| 5.4.1 DS证据理论算法的优点 | 第56页 |
| 5.4.2 DS证据理论算法在本文中的应用与计算 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
