基于视频的驾驶员疲劳检测技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的背景及意义 | 第11-12页 |
| ·国内外驾驶员疲劳检测的研究现状 | 第12-15页 |
| ·驾驶员疲劳状态监测方法 | 第12-14页 |
| ·国内外驾驶员疲劳状态监测技术研究现状 | 第14-15页 |
| ·本课题研究内容及章节安排 | 第15-17页 |
| 第2章 驾驶员面部检测 | 第17-30页 |
| ·引言 | 第17页 |
| ·人脸检测方法综述 | 第17-18页 |
| ·基于肤色模型的人脸检测 | 第18-25页 |
| ·色彩空间 | 第18-21页 |
| ·色彩空间的选择及肤色模型的建立 | 第21-25页 |
| ·基于肤色模型的驾驶员面部检测 | 第25-28页 |
| ·光线补偿 | 第25-26页 |
| ·肤色分割 | 第26页 |
| ·数学形态学处理 | 第26-28页 |
| ·人脸定位 | 第28页 |
| ·实验结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 驾驶员面部跟踪 | 第30-39页 |
| ·引言 | 第30-31页 |
| ·CAMshift 算法 | 第31-34页 |
| ·Mean-shift 算法 | 第31-32页 |
| ·CAMshift 算法 | 第32-34页 |
| ·基于CAMshift 算法的驾驶员面部跟踪 | 第34-35页 |
| ·实验结果及分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 驾驶员眼睛识别 | 第39-54页 |
| ·引言 | 第39-40页 |
| ·人眼检测方法概述 | 第40页 |
| ·支持向量机的基本原理 | 第40-46页 |
| ·线性可分情况 | 第41-42页 |
| ·线性不可分情况 | 第42-43页 |
| ·支持向量机 | 第43-44页 |
| ·核函数 | 第44-45页 |
| ·支持向量机多分类问题 | 第45-46页 |
| ·支持向量机决策树算法 | 第46页 |
| ·驾驶员眼睛状态检测 | 第46-49页 |
| ·特征提取 | 第46-47页 |
| ·基于先验知识粗定位眼睛的候选区域 | 第47页 |
| ·基于支持向量机决策树的精确人眼检测 | 第47-48页 |
| ·SVM 的实现过程 | 第48-49页 |
| ·实验结果与数据分析 | 第49-53页 |
| ·特征提取 | 第49-50页 |
| ·SVM 分类器训练 | 第50-51页 |
| ·人眼检测 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 驾驶员疲劳状态检测 | 第54-60页 |
| ·引言 | 第54页 |
| ·PERCLOS 方法 | 第54-56页 |
| ·疲劳参数计算 | 第56-58页 |
| ·系统结构框架 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
