| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究及监测管制员疲劳的目的和意义 | 第9-11页 |
| 1.2 管制员疲劳监测的研究现状 | 第11-16页 |
| 1.2.1 主观测评法 | 第11-12页 |
| 1.2.2 客观测评法 | 第12-15页 |
| 1.2.3 主客观测评法的对比研究 | 第15-16页 |
| 1.3 主要研究内容和方法 | 第16-18页 |
| 1.4 论文章节安排 | 第18-20页 |
| 第二章 人脸的检测研究 | 第20-34页 |
| 2.1 Adaboost算法 | 第21-25页 |
| 2.1.1 Adaboost算法概述 | 第21页 |
| 2.1.2 Adaboost算法原理与实现方法研究 | 第21-23页 |
| 2.1.3 级联分类器的原理研究 | 第23-24页 |
| 2.1.4 人脸Haar-like特征研究 | 第24-25页 |
| 2.2 ASM模板匹配算法研究 | 第25-29页 |
| 2.2.1 ASM算法概述 | 第25-26页 |
| 2.2.2 模板匹配 | 第26-27页 |
| 2.2.3 模型的建立及训练 | 第27-29页 |
| 2.2.4 特征点匹配 | 第29页 |
| 2.3 人脸的检测研究 | 第29-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 眼睛和嘴巴的定位研究 | 第34-42页 |
| 3.1 人眼定位的流程概述 | 第34-36页 |
| 3.2 人眼的定位方法研究 | 第36-40页 |
| 3.2.1 基于统计学习方法的人眼检测与定位研究 | 第36-40页 |
| 3.2.2 基于ASM模板匹配的人眼检测 | 第40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 管制员疲劳状态判断研究 | 第42-51页 |
| 4.1 基于PERCLOS的管制员疲劳判断 | 第42-47页 |
| 4.1.1 PERCLOS方法简介 | 第42-43页 |
| 4.1.2 基于PERCLOS下的管制员疲劳监测原理研究 | 第43-47页 |
| 4.2 二值化技术分析 | 第47-48页 |
| 4.3 眼部和嘴部等关键位置状态识别 | 第48-49页 |
| 4.3.1 眼睛状态识别 | 第48-49页 |
| 4.3.2 嘴巴状态的识别 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 管制员疲劳监测系统设计与实现 | 第51-68页 |
| 5.1 管制员疲劳监测系统的框架流程 | 第52-62页 |
| 5.1.1 系统的结构 | 第52-56页 |
| 5.1.2 系统设计概述 | 第56-57页 |
| 5.1.3 系统详细设计 | 第57-59页 |
| 5.1.4 图像预处理模块 | 第59页 |
| 5.1.5 状态分析模块 | 第59-62页 |
| 5.1.6 数据输出模块 | 第62页 |
| 5.1.7 融合告警模块 | 第62页 |
| 5.2 管制员疲劳监测系统各功能展示 | 第62-67页 |
| 5.2.1 综合设置 | 第62-63页 |
| 5.2.2 监控 | 第63页 |
| 5.2.3 疲劳判定 | 第63-65页 |
| 5.2.4 录像管理 | 第65-66页 |
| 5.2.5 数据管理 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 6.1 主要的研究结论 | 第68-69页 |
| 6.2 未来工作建议与展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |