基于深度图的驾驶员头部姿态分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状和现存问题 | 第10-12页 |
| 1.3 改进方法 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第2章 实验设备和法 | 第14-31页 |
| 2.1 Kinect介绍 | 第14-20页 |
| 2.1.1 Kinect工作原理 | 第14-15页 |
| 2.1.2 Kinect开发接口 | 第15-20页 |
| 2.2 ICP算法介绍 | 第20-22页 |
| 2.2.1 ICP算法发展历史 | 第20页 |
| 2.2.2 ICP的主要方法 | 第20-22页 |
| 2.3 AAM方法介绍 | 第22-28页 |
| 2.4 NNS算法介绍 | 第28-29页 |
| 2.5 粒子滤波 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 驾驶员头部姿态分析算法 | 第31-52页 |
| 3.1 算法总括 | 第31-33页 |
| 3.2 获取脸部图像 | 第33-41页 |
| 3.3 利用ICP算法估计头部姿态 | 第41-44页 |
| 3.4 利用粒子滤波算法预测和追踪头部姿态 | 第44-46页 |
| 3.5 视线区域 | 第46-51页 |
| 3.5.1 建立姿态模型 | 第47-48页 |
| 3.5.2 头部方向的分类 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 实验结果及分析 | 第52-62页 |
| 4.1 实验环境 | 第52-53页 |
| 4.1.1 车内驾驶室 | 第52页 |
| 4.1.2 硬件设备 | 第52-53页 |
| 4.2 实验结果统计 | 第53-55页 |
| 4.2.1 人脸识别结果 | 第53页 |
| 4.2.2 头部姿态结果 | 第53-55页 |
| 4.2.3 视线区域统计结果 | 第55页 |
| 4.3 实验结果分析 | 第55-60页 |
| 4.4 对比实验分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间公开发表论文 | 第68-69页 |
| 致谢 | 第69页 |
