| 致谢 | 第1-3页 |
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 概述 | 第8-13页 |
| §1．1 前言 | 第8-11页 |
| §1．2 课题研究的目的和意义 | 第11-12页 |
| §1．3 论文的主要内容 | 第12-13页 |
| 第二章 机器视觉理论 | 第13-33页 |
| §2．1 人类视觉 | 第13-16页 |
| §2．1．1 人类视觉系统 | 第13-15页 |
| §2．1．2 眼球的光学系统 | 第15-16页 |
| §2．2 机器视觉 | 第16-29页 |
| §2．2．1 什么是机器视觉 | 第16-18页 |
| §2．2．2 视觉的计算理论 | 第18-25页 |
| §2．2．3 人类视觉与机器视觉的比较 | 第25-29页 |
| §2．3 模式识别方法 | 第29-33页 |
| §2．3．1 模板匹配法 | 第30页 |
| §2．3．2 统计方法 | 第30-31页 |
| §2．3．3 句法方法 | 第31页 |
| §2．3．4 直接法（直接逻辑法） | 第31-32页 |
| §2．3．5 神经网络 | 第32-33页 |
| 第三章 驾驶防瞌睡装置 | 第33-43页 |
| §3．1 什么是驾驶疲劳 | 第33-34页 |
| §3．2 研究必要性 | 第34-35页 |
| §3．3 国内外研究状况 | 第35-38页 |
| §3．3．1 国外研究状况 | 第35-37页 |
| §3．3．2 国内研究状况 | 第37-38页 |
| §3．4 方案的确定 | 第38-43页 |
| §3．4．1 方案一：基于灰度投影的人脸特征提取方法 | 第38-41页 |
| §3．4．2 方案二：基于红外光源、差分图像、KALMAN滤波器的方法 | 第41-43页 |
| 第四章 图像的获取 | 第43-58页 |
| §4．1 硬件的总体设计 | 第43-44页 |
| §4．2 照明光源 | 第44-48页 |
| §4．2．1 机器视觉系统光源的要求 | 第44页 |
| §4．2．2 发光二极管介绍 | 第44-47页 |
| §4．2．3 本论文选用的发光二极管 | 第47页 |
| §4．2．4 二极管驱动电路 | 第47-48页 |
| §4．3 CMOS图像传感器 | 第48-54页 |
| §4．3．1 图像传感器发展 | 第48-50页 |
| §4．3．2 CMOS和CCD的比较 | 第50页 |
| §4．3．3 CMOS图像传感器的总体结构 | 第50-52页 |
| §4．3．4 本论文采用的CMOS图像传感器 | 第52-54页 |
| §4．4 USB接口 | 第54-58页 |
| §4．4．1 USB系统结构 | 第55页 |
| §4．4．2 USB的连接 | 第55-56页 |
| §4．4．3 USB的主要优点 | 第56页 |
| §4．4．4 USB硬件和软件元素 | 第56-58页 |
| 第五章 瞳孔的检测与跟踪 | 第58-69页 |
| §5．1 红眼效应 | 第58-59页 |
| §5．2 瞳孔检测 | 第59-60页 |
| §5．3 图像分割 | 第60-63页 |
| §5．3．1 图像分割的方法 | 第60-62页 |
| §5．3．2 本次论文采用的分割算法 | 第62-63页 |
| §5．4 KALMAN滤波器 | 第63-65页 |
| §5．4．1 Kalman滤波器介绍 | 第63页 |
| §5．4．2 本论文中Kalman滤波器实现 | 第63-65页 |
| §5．5 驾驶疲劳测评 | 第65-69页 |
| §5．5．1 什么是PERCLOS | 第65-66页 |
| §5．5．2 PERCLOS与其他测评方法对比 | 第66-67页 |
| §5．5．3 PERCLOS测量原理 | 第67-69页 |
| 第六章 实验结果分析与展望 | 第69-73页 |
| §6．1 实验结果分析 | 第69-71页 |
| §6．1．1 相同条件下不同人的瞳孔图像 | 第69-70页 |
| §6．1．2 对人造物质进行实验 | 第70页 |
| §6．1．3 戴眼镜的瞳孔检测实验 | 第70-71页 |
| §6．2 本论文的创新点 | 第71页 |
| §6．3 以后的改进 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录 硕士期间发表的论文 | 第77页 |