| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·驾驶行为检测方法特点及分类 | 第13-14页 |
| ·驾驶行为视频检测方法研究现状 | 第14-15页 |
| ·现有研究存在的问题 | 第15页 |
| ·本文主要研究内容及组织结构 | 第15-17页 |
| ·本文主要研究内容 | 第15-17页 |
| ·本文的组织结构 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第二章 图像预处理及感兴趣区域定位方法 | 第18-37页 |
| ·引言 | 第18页 |
| ·图像预处理基本方法 | 第18-30页 |
| ·图像灰度化 | 第19页 |
| ·直方图 | 第19-20页 |
| ·图像均衡化 | 第20-21页 |
| ·图像滤波 | 第21-24页 |
| ·图像边缘检测 | 第24-30页 |
| ·感兴趣区域定位流程 | 第30-31页 |
| ·椭圆检测算法 | 第31-35页 |
| ·椭圆检测算法原理及分类 | 第31-33页 |
| ·直接最小二乘椭圆拟合算法 | 第33-35页 |
| ·基于椭圆检测的感兴趣区域定位 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 驾驶行为图像的特征提取 | 第37-52页 |
| ·引言 | 第37页 |
| ·颜色空间与肤色模型 | 第37-46页 |
| ·颜色空间 | 第39-43页 |
| ·非线性YCbCr 颜色空间的肤色聚类特性 | 第43-45页 |
| ·肤色模型的建立 | 第45-46页 |
| ·基于肤色检测的驾驶员特征提取方法 | 第46-48页 |
| ·正常光照条件图像中的肤色提取 | 第46-47页 |
| ·红外图像中的肤色提取 | 第47-48页 |
| ·基于3-4 Chamfer 距离变换的骨架提取方法 | 第48-50页 |
| ·距离变换 | 第48-49页 |
| ·Chamfer 距离变换 | 第49-50页 |
| ·骨架提取实验 | 第50页 |
| ·驾驶员头部定位 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于“头部-前臂”模型的驾驶行为跟踪 | 第52-64页 |
| ·引言 | 第52-53页 |
| ·驾驶员“头部-前臂”模型 | 第53-56页 |
| ·模型的建立 | 第53-55页 |
| ·模型参数的获取 | 第55-56页 |
| ·基于“头部-前臂”模型和Kalman 滤波的驾驶行为跟踪 | 第56-63页 |
| ·Kalman 滤波的基本原理 | 第56-59页 |
| ·Kalman 滤波器建模 | 第59-61页 |
| ·基于Kalman 滤波的驾驶行为跟踪实验 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于Bayesian 网络算法的驾驶行为分类 | 第64-73页 |
| ·引言 | 第64页 |
| ·朴素贝叶斯分类模型 | 第64-67页 |
| ·极大后验假设 | 第64-65页 |
| ·朴素贝叶斯分类器 | 第65-67页 |
| ·基于朴素贝叶斯分类模型的驾驶行为分类 | 第67-71页 |
| ·分类器设计 | 第67-68页 |
| ·分类器训练 | 第68-71页 |
| ·驾驶行为分类实验结果 | 第71页 |
| ·本章小结 | 第71-73页 |
| 第六章 异常驾驶行为检测系统的开发与应用 | 第73-77页 |
| ·引言 | 第73页 |
| ·系统框架设计 | 第73页 |
| ·系统实现 | 第73-76页 |
| ·系统应用情况 | 第76-77页 |
| 结论 | 第77-80页 |
| 参考文献 | 第80-84页 |
| 附录A 驾驶行为分类的先验概率和条件概率表 | 第84-86页 |
| 攻读硕士学位期间取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 附件 | 第88页 |
