| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 驾驶员疲劳检测分类概述 | 第13-15页 |
| 1.2.2 驾驶员疲劳检测研究国外现状 | 第15-16页 |
| 1.2.3 驾驶员疲劳检测研究国内现状 | 第16-17页 |
| 1.3 本文的贡献及内容组织 | 第17-20页 |
| 1.3.1 本文的贡献 | 第17页 |
| 1.3.2 本文的内容组织 | 第17-20页 |
| 第二章 人眼定位与追踪相关技术介绍 | 第20-28页 |
| 2.1 人眼定位方法概述 | 第20-22页 |
| 2.1.1 基于知识的人眼定位方法 | 第20-21页 |
| 2.1.2 基于模板匹配原理的人眼定位方法 | 第21页 |
| 2.1.3 基于统计学习的人眼定位方法 | 第21-22页 |
| 2.2 运动物体追踪方法概述 | 第22-25页 |
| 2.2.1 基于均值偏移的运动物体追踪方法 | 第23页 |
| 2.2.2 基于粒子滤波的追踪算法 | 第23-24页 |
| 2.2.3 基于卡尔曼滤波的追踪算法 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 人眼运动视频图像的预处理 | 第28-38页 |
| 3.1 图像的增强处理 | 第29-32页 |
| 3.1.1 图像的灰度化 | 第29-30页 |
| 3.1.2 图像的直方图均衡化 | 第30-32页 |
| 3.2 图像的滤波处理 | 第32-36页 |
| 3.2.1 均值滤波 | 第33-34页 |
| 3.2.2 中值滤波 | 第34-35页 |
| 3.2.3 高斯滤波 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 人眼定位 | 第38-48页 |
| 4.1 基于Haar-like矩形特征的Adaboost算法的人眼定位方法介绍 | 第38-41页 |
| 4.1.1 Haar-like矩形特征 | 第38-39页 |
| 4.1.2 积分图计算Haar-like矩形值 | 第39-40页 |
| 4.1.3 Adaboost算法 | 第40-41页 |
| 4.2 基于Adaboost算法的人眼定位器设计 | 第41-42页 |
| 4.3 人眼定位实验以及结果分析 | 第42-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 人眼追踪 | 第48-56页 |
| 5.1 卡尔曼滤波原理简介 | 第48-49页 |
| 5.2 基于卡尔曼滤波的人眼追踪 | 第49-51页 |
| 5.2.1 建立人眼追踪模型 | 第49-50页 |
| 5.2.2 卡尔曼滤波算法追踪人眼的原理方法 | 第50-51页 |
| 5.3 基于卡尔曼滤波预测性的人眼定位方法改进 | 第51-52页 |
| 5.4 人眼追踪实验以及结果分析 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结及展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 研究成果及发表的学术论文 | 第64-66页 |
| 作者及导师简介 | 第66-68页 |
| 硕士研究生学位论文答辩委员会决议书 | 第68-69页 |