基于视频的驾驶员疲劳驾驶实时监测系统的设计和研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·选题背景和研究目的 | 第11-12页 |
| ·国内外的研究现状和发展趋势 | 第12-15页 |
| ·疲劳驾驶的监测方法 | 第12-13页 |
| ·国外的研究进展 | 第13-15页 |
| ·国内的研究现状 | 第15页 |
| ·本文主要的研究工作和各章节的安排 | 第15-18页 |
| 第2章 系统的整体结构和图像采集模块 | 第18-23页 |
| ·系统的整体结构 | 第18-20页 |
| ·硬件组成 | 第18-19页 |
| ·软件结构 | 第19-20页 |
| ·图像采集模块 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 眼睛的定位与跟踪 | 第23-32页 |
| ·图像预处理 | 第23-25页 |
| ·眼睛模板的制作 | 第25-26页 |
| ·基于卷积核模板匹配的眼睛定位与跟踪算法 | 第26-30页 |
| ·眼睛定位算法 | 第27-29页 |
| ·眼睛跟踪算法 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 特征提取与图像处理模块的设计 | 第32-48页 |
| ·Gabor变换 | 第32-37页 |
| ·窗函数 | 第33-34页 |
| ·短时傅里叶变换 | 第34-35页 |
| ·Gabor变换 | 第35-37页 |
| ·基于Gabor变换的特征提取 | 第37-42页 |
| ·图像处理模块的设计 | 第42-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 SVM分类器 | 第48-66页 |
| ·SVM的理论基础 | 第48-50页 |
| ·SVM的基本原理 | 第50-54页 |
| ·支持向量机 | 第50-51页 |
| ·最优分类面 | 第51-52页 |
| ·判别函数 | 第52-54页 |
| ·SVM分类器的设计 | 第54-64页 |
| ·核函数及其参数 | 第55-57页 |
| ·交叉验证误差 | 第57-58页 |
| ·SVM分类器的设计 | 第58-64页 |
| ·本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间参加的科研项目和成果 | 第72页 |
