| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 驾驶员状态分析 | 第11-12页 |
| 1.3 驾驶员状态感知的国内外研究现状 | 第12-14页 |
| 1.3.1 基于驾驶员生理参数的监测方法 | 第12-13页 |
| 1.3.2 基于驾驶员操作行为的监测方法 | 第13-14页 |
| 1.3.3 基于驾驶员外部生理变化的监测方法 | 第14页 |
| 1.5 本文研究的主要内容及工作 | 第14-16页 |
| 第二章 压缩感知理论与稀疏表示 | 第16-26页 |
| 2.1 压缩感知理论的背景 | 第16页 |
| 2.2 压缩感知理论 | 第16-24页 |
| 2.2.1 压缩感知理论的数学模型 | 第17-19页 |
| 2.2.2 信号的稀疏表示 | 第19-21页 |
| 2.2.3 观测矩阵的设计 | 第21-22页 |
| 2.2.4 信号的重构算法 | 第22-24页 |
| 2.3 压缩感知理论的应用 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于位置先验与稀疏表示的驾驶员人脸图像多角度转换算法 | 第26-36页 |
| 3.1 人脸多角度转换的概述 | 第26页 |
| 3.2 基于位置先验与稀疏表示的人脸多角度转换算法 | 第26-30页 |
| 3.2.1 过完备字典的构建 | 第26-27页 |
| 3.2.2 稀疏表示与求解 | 第27-29页 |
| 3.2.3 基于位置先验与稀疏表示的人脸多角度转化算法 | 第29-30页 |
| 3.3 算法仿真与实验 | 第30-35页 |
| 3.3.1 CAS-PEAL-R1 人脸数据库介绍 | 第30-32页 |
| 3.3.2 人脸图像对齐与尺寸归一化 | 第32-33页 |
| 3.3.3 仿真实验 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于稀疏表示的驾驶员面部表情识别算法 | 第36-56页 |
| 4.1 基于稀疏表示的分类方法 | 第36-41页 |
| 4.1.1 稀疏表示分类概述 | 第36页 |
| 4.1.2 人脸表情图像的稀疏表示分类 | 第36-41页 |
| 4.2 驾驶员面部表情特征提取 | 第41-44页 |
| 4.2.1 概述 | 第41页 |
| 4.2.2 下采样方法 | 第41-42页 |
| 4.2.3 主成分分析法 | 第42-44页 |
| 4.3 基于稀疏表示的驾驶员面部表情识别算法框架 | 第44-45页 |
| 4.4 算法仿真与实验 | 第45-54页 |
| 4.4.1 特定人脸表情识别 | 第46-48页 |
| 4.4.2 非特定人脸表情识别 | 第48-51页 |
| 4.4.3 特定人脸表情识别与非特定人脸表情识别的对比分析 | 第51页 |
| 4.4.4 实际采集图片的实验结果 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于稀疏表示的驾驶员眼部状态识别算法 | 第56-60页 |
| 5.1 基于稀疏表示的驾驶员眼部状态识别算法 | 第56-57页 |
| 5.2 算法仿真与实验 | 第57-59页 |
| 5.2.1 人眼库的构建 | 第57-58页 |
| 5.2.2 仿真实验 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文的工作总结 | 第60-61页 |
| 6.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
