基于视觉的疲劳驾驶监测关键技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-17页 |
| ·智能运输系统与智能车辆 | 第7-10页 |
| ·智能运输系统(ITS)的提出和发展趋势 | 第7-8页 |
| ·智能车辆的研究与发展方向 | 第8-10页 |
| ·疲劳驾驶监控技术的发展和研究现状 | 第10-14页 |
| ·疲劳识别的研究意义 | 第10-11页 |
| ·疲劳驾驶监测技术的研究现状 | 第11-12页 |
| ·基于视觉的疲劳驾驶监测技术研究现状 | 第12-14页 |
| ·本文研究内容 | 第14页 |
| ·论文结构 | 第14-17页 |
| 2 基于视觉的疲劳驾驶监测关键技术介绍 | 第17-29页 |
| ·引言 | 第17-18页 |
| ·面部特征定位方法 | 第18-19页 |
| ·正面人脸中的眼睛窗口定位 | 第19-24页 |
| ·区域分割法定位眼睛 | 第19页 |
| ·边缘提取结合可变形模板法定位眼睛 | 第19-23页 |
| ·基于对称变换的眼睛定位 | 第23-24页 |
| ·眼睛特征提取 | 第24-27页 |
| ·虹膜检测 | 第24-25页 |
| ·角点检测 | 第25-27页 |
| ·眼睛状态识别 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 眼睛窗口定位 | 第29-39页 |
| ·基于形态学方法的眼睛窗口定位 | 第29-32页 |
| ·形态学简介 | 第29页 |
| ·膨胀与腐蚀运算 | 第29-30页 |
| ·开运算与闭运算 | 第30页 |
| ·基于形态学方法的眼睛定位 | 第30-32页 |
| ·基于积分投影法的眼睛窗口定位 | 第32-37页 |
| ·投影法简介 | 第32-36页 |
| ·积分投影法定位眼睛 | 第36-37页 |
| ·眼睛窗口定位方法准确性和实时性比较 | 第37页 |
| ·本章小结 | 第37-39页 |
| 4 眼睛特征提取及状态分析 | 第39-55页 |
| ·引言 | 第39页 |
| ·眼角定位 | 第39-42页 |
| ·内眼角定位 | 第39-41页 |
| ·外眼角定位 | 第41-42页 |
| ·基于活动轮廓模型的上眼睑提取 | 第42-52页 |
| ·活动轮廓模型基本思想及数学表达 | 第42-44页 |
| ·活动轮廓模型的离散形式及能量最小化求解方法 | 第44-46页 |
| ·活动轮廓模型提取上眼睑的实现 | 第46-51页 |
| ·活动轮廓模型提取上眼睑实验结果 | 第51-52页 |
| ·眼睛模型建立与状态分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于ID3算法的多参数疲劳状态识别 | 第55-65页 |
| ·引言 | 第55页 |
| ·疲劳参数的提取 | 第55-57页 |
| ·PERCLOS提取 | 第56页 |
| ·Eye Closure Time提取 | 第56-57页 |
| ·Eye Blink Frequency提取 | 第57页 |
| ·基于ID3算法的决策树原理 | 第57-59页 |
| ·ID3算法原理 | 第57-58页 |
| ·ID3算法描述及实现 | 第58-59页 |
| ·基于PVT的疲劳程度量化 | 第59页 |
| ·基于ID3的疲劳识别决策树生成 | 第59-63页 |
| ·疲劳参数离散化 | 第61-62页 |
| ·疲劳识别决策树生成 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 6 系统工程实现及实验结果分析 | 第65-71页 |
| ·系统工程实现及流程 | 第65-67页 |
| ·实验结果及分析 | 第67-71页 |
| 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 硕士期间撰写的论文 | 第79页 |
