基于多算法融合的驾驶员疲劳状态检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景以及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国内研究现状 | 第10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 存在的问题及发展趋势 | 第11-14页 |
| 1.3.1 疲劳检测存在的问题 | 第11-13页 |
| 1.3.2 解决方法 | 第13-14页 |
| 1.4 论文主要完成工作 | 第14-15页 |
| 1.5 论文章节安排 | 第15-17页 |
| 2 驾驶员疲劳检测算法 | 第17-23页 |
| 2.1 疲劳检测算法综述 | 第17-22页 |
| 2.1.1 人脸检测算法描述 | 第17-19页 |
| 2.1.2 人眼跟踪定位监测算法描述 | 第19-21页 |
| 2.1.3 疲劳状态判断算法描述 | 第21-22页 |
| 2.2 疲劳检测算法小结 | 第22-23页 |
| 3 肤色特征的人脸检测 | 第23-35页 |
| 3.1 人脸数据库的选择 | 第23-24页 |
| 3.2 建立肤色模型 | 第24-26页 |
| 3.2.1 色彩空间 | 第24-26页 |
| 3.3 光线补偿 | 第26-28页 |
| 3.4 肤色模型的非线性变化 | 第28-29页 |
| 3.5 人脸区域分割 | 第29-33页 |
| 3.5.1 去噪及二值化处理 | 第29-32页 |
| 3.5.2 人脸区域分割 | 第32-33页 |
| 3.6 人脸检测结果 | 第33-34页 |
| 3.7 肤色模型的人脸检测小结 | 第34-35页 |
| 4 驾驶员眼睛的定位检测 | 第35-45页 |
| 4.1 人眼的初定位 | 第35-36页 |
| 4.2 自适应边缘特征提取人眼检测算法 | 第36-40页 |
| 4.2.1 预处理 | 第36-37页 |
| 4.2.2 边缘特征提取 | 第37-40页 |
| 4.3 改进的自适应边缘特征提取 | 第40-44页 |
| 4.3.1 改进的自适应边缘特征提取 | 第40-41页 |
| 4.3.2 中值滤波确定人眼位置 | 第41-42页 |
| 4.3.3 人眼定位实验结果 | 第42-44页 |
| 4.4 人眼定位小结 | 第44-45页 |
| 5 疲劳状态判断 | 第45-51页 |
| 5.1 PERCLOS 疲劳检测方法 | 第45-46页 |
| 5.1.1 PERCLOS 疲劳判断标准 | 第45页 |
| 5.1.2 PERCLOS 测量原理 | 第45-46页 |
| 5.2 PERCLOS 驾驶员疲劳检测实现 | 第46-48页 |
| 5.2.1 疲劳检测算法描述 | 第47页 |
| 5.2.2 眼睛面积的计算 | 第47-48页 |
| 5.3 疲劳度判断 | 第48-49页 |
| 5.4 疲劳检测结果 | 第49-50页 |
| 5.5 疲劳状态判断小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 本文总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历以及学期间发表的学术论文 | 第57页 |
