| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景和意义 | 第9-10页 |
| ·机器视觉在智能汽车驾驶员安全辅助驾驶系统中的应用 | 第10-12页 |
| ·离线报警系统 | 第10-11页 |
| ·驾驶员疲劳监控系统 | 第11页 |
| ·自适应巡航控制系统 | 第11页 |
| ·低速巡航系统 | 第11-12页 |
| ·辅助换道系统 | 第12页 |
| ·驾驶员疲劳监控系统的国内外研究现状 | 第12-14页 |
| ·国外驾驶员疲劳监控研究的发展 | 第12-13页 |
| ·国内驾驶员疲劳监控研究现状 | 第13-14页 |
| ·数字视频监控与人脸检测识别技术的应用 | 第14页 |
| ·数字视频监控系统技术 | 第14页 |
| ·人脸检测识别技术 | 第14页 |
| ·本文的研究内容 | 第14-17页 |
| 第二章 驾驶员疲劳监控系统的主要构成 | 第17-27页 |
| ·概述 | 第17-18页 |
| ·驾驶员疲劳监控系统硬件组成 | 第18-22页 |
| ·摄像头工作原理 | 第19页 |
| ·图像传感器 | 第19-22页 |
| ·数字信号处理芯片 | 第22页 |
| ·驾驶员疲劳监控系统的软件组成 | 第22-27页 |
| ·视频捕获模块 | 第23-25页 |
| ·图像处理模块 | 第25-27页 |
| 第三章 驾驶员面部定位与跟踪 | 第27-43页 |
| ·视频序列中人脸定位方法的综述 | 第27-29页 |
| ·基于肤色的驾驶员面部定位算法 | 第29-37页 |
| ·色彩空间的选取 | 第29-31页 |
| ·肤色模型的选取 | 第31-33页 |
| ·基于肤色的人脸分割 | 第33-35页 |
| ·面部定位的实验结果 | 第35-37页 |
| ·驾驶员面部跟踪算法 | 第37-43页 |
| ·卡尔曼滤波跟踪面部的算法 | 第38-39页 |
| ·卡尔曼滤波跟踪面部的实验 | 第39-43页 |
| 第四章 驾驶员嘴唇特征点定位 | 第43-51页 |
| ·驾驶员嘴唇定位原理和步骤 | 第43页 |
| ·驾驶员嘴唇分割与提取 | 第43-47页 |
| ·阈值确定与嘴唇分割 | 第44-46页 |
| ·嘴唇的提取 | 第46-47页 |
| ·实验结果分析 | 第47页 |
| ·嘴唇特征点的定位 | 第47-51页 |
| ·嘴唇特征点定位的算法 | 第48-50页 |
| ·嘴唇特征点定位实验结果 | 第50-51页 |
| 第五章 驾驶员眼睛特征点定位 | 第51-59页 |
| ·眼睛的定位 | 第51-54页 |
| ·确定右眼的范围的算法 | 第51页 |
| ·右眼区域分割 | 第51-53页 |
| ·右眼区域定位实验结果 | 第53-54页 |
| ·眼睛特征点的定位 | 第54-56页 |
| ·睁眼时右眼特征点的定位 | 第54-55页 |
| ·闭眼时眼睛特征点的定位 | 第55-56页 |
| ·实验结果分析 | 第56页 |
| ·特征点的修正 | 第56-59页 |
| ·偏差点的纠正方法 | 第56-57页 |
| ·实验结果分析 | 第57-59页 |
| 第六章 驾驶员疲劳识别与仿真 | 第59-75页 |
| ·基于神经网络的疲劳识别方法 | 第59-69页 |
| ·特征向量的选择 | 第59-62页 |
| ·BP神经网络方法 | 第62-64页 |
| ·修正的 BP网络方法 | 第64-65页 |
| ·BP神经网络学习算法 | 第65-66页 |
| ·BP神经网络的训练 | 第66-69页 |
| ·BP神经网络的实验 | 第69页 |
| ·驾驶员疲劳状态分析 | 第69-70页 |
| ·驾驶员疲劳监控系统仿真 | 第70-75页 |
| 第七章 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |