基于面部图像的列车司机疲劳驾驶检测与实现
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文安排 | 第14-15页 |
| 第2章 硬件平台 | 第15-27页 |
| 2.1 需求分析和处理器的选择 | 第15-21页 |
| 2.1.1 微处理器的分类 | 第15-16页 |
| 2.1.2 DSP和其他处理器的比较 | 第16-17页 |
| 2.1.3 TIDSP的介绍 | 第17-21页 |
| 2.2 列车司机疲劳监控平台硬件组成 | 第21-27页 |
| 2.2.1 仿真器 | 第21-22页 |
| 2.2.2 红外CCD摄像机 | 第22-23页 |
| 2.2.3 视频采集模块TVP5150 | 第23-24页 |
| 2.2.4 DM3730芯片 | 第24页 |
| 2.2.5 视频存储模块 | 第24-27页 |
| 第3章 基于视觉的人脸检测和定位 | 第27-36页 |
| 3.1 基于视觉的人脸检测方法 | 第27-29页 |
| 3.1.1 基于数理统计的人脸检测方法 | 第27-28页 |
| 3.1.2 基于知识建模的人脸 | 第28页 |
| 3.1.3 各种方法比较 | 第28-29页 |
| 3.2 人脸检测与定位算法 | 第29-32页 |
| 3.2.1 Haar-like特征 | 第30-31页 |
| 3.2.2 AdaBoost算法 | 第31页 |
| 3.2.4 积分图 | 第31-32页 |
| 3.3 实验及结果分析 | 第32-36页 |
| 3.3.1 实验样本 | 第32-34页 |
| 3.3.2 实验结果及分析 | 第34-36页 |
| 第4章 基于面部特征的疲劳检测研究 | 第36-51页 |
| 4.1 人眼检测的方法 | 第36-39页 |
| 4.1.1 BLINK的方法定位眼睛 | 第36-37页 |
| 4.1.2 灰度模板方法 | 第37页 |
| 4.1.3 形态学方法检测 | 第37-38页 |
| 4.1.4 边缘检测定位人眼 | 第38-39页 |
| 4.2 现有的模板匹配算法 | 第39-41页 |
| 4.2.1 几种匹配搜索方法 | 第40页 |
| 4.2.2 基于相关系数函数改进匹配算法 | 第40-41页 |
| 4.3 基于AAM的疲劳特征构建 | 第41-44页 |
| 4.3.1 建立AAM模型 | 第41-43页 |
| 4.3.2 AAM匹配算法 | 第43页 |
| 4.3.3 眼部特征状态检测 | 第43-44页 |
| 4.4 司机疲劳状态检测 | 第44-51页 |
| 4.4.1 PERCLOS算法简介 | 第44-45页 |
| 4.4.2 PERCLOS参数的实时获取 | 第45-46页 |
| 4.4.3 模拟驾驶舱的实验结果与分析 | 第46-51页 |
| 第5章 程序的移植优化和试验 | 第51-65页 |
| 5.1 嵌入式Linux操作系统的移植 | 第51-58页 |
| 5.1.1 Linux开发环境的安装 | 第51-53页 |
| 5.1.2 软件开发包DVSDK的编译 | 第53-54页 |
| 5.1.3 嵌入式Linux下软件预装方法 | 第54-58页 |
| 5.2 应用程序的开发及优化 | 第58-65页 |
| 5.2.1 概述 | 第58-60页 |
| 5.2.2 开发平台编译选项优化 | 第60-61页 |
| 5.2.3 变量级的优化 | 第61-62页 |
| 5.2.4 函数级的优化 | 第62页 |
| 5.2.5 函数编写的优化 | 第62-63页 |
| 5.2.6 优化总结 | 第63-65页 |
| 结论 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
