| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·疲劳驾驶检测技术的发展概况及现状 | 第8-12页 |
| ·国内外疲劳驾驶检测技术的种类和发展趋势 | 第8-10页 |
| ·基于PERCLOS 方法的疲劳驾驶检测技术概述 | 第10-12页 |
| ·研究的主要内容及采用的方法 | 第12-14页 |
| 第二章 经典人脸图像技术在疲劳驾驶检测中的应用 | 第14-35页 |
| ·人脸定位技术的概述 | 第14-15页 |
| ·Viola 经典人脸定位算法的介绍 | 第15-27页 |
| ·模式识别与人脸定位 | 第15-17页 |
| ·haar-like 特征 | 第17-21页 |
| ·光照均衡的预处理 | 第21页 |
| ·AdaBoost 分类器 | 第21-25页 |
| ·多尺度问题 | 第25-27页 |
| ·CAS-PEAL-R1 人脸库 | 第27-28页 |
| ·利用Viola 方法进行人眼定位 | 第28-31页 |
| ·人脸定位与人眼定位的差异 | 第29-30页 |
| ·人眼定位的技巧 | 第30-31页 |
| ·利用Viola 方法进行人眼状态识别 | 第31-33页 |
| ·使用PERCLOS 方法进行疲劳检测 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 运用OpenCV 进行疲劳驾驶检测程序设计 | 第35-48页 |
| ·OpenCV 介绍 | 第35-36页 |
| ·运用OpenCV 应用程序进行目标检测 | 第36-41页 |
| ·目标检测相关的函数 | 第41-43页 |
| ·疲劳驾驶检测演示平台 | 第43-47页 |
| ·疲劳驾驶检测演示系统组成 | 第43-45页 |
| ·疲劳驾驶检测演示软件 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 运用LBP 特征理论进行疲劳驾驶检测的探索 | 第48-62页 |
| ·LBP 特征方法介绍 | 第48-52页 |
| ·原始LBP | 第48-49页 |
| ·LBP 扩展 | 第49-50页 |
| ·非参数分类理论 | 第50-51页 |
| ·旋转不变LBP | 第51-52页 |
| ·对比度和纹理模式 | 第52页 |
| ·多分辨率LBP | 第52页 |
| ·运用LBP 特征缩放实现人脸定位 | 第52-56页 |
| ·LBP 理论扩展 | 第53-55页 |
| ·LBP 参数实数化 | 第53-54页 |
| ·二进制环状子窗口 | 第54页 |
| ·边缘区域 | 第54-55页 |
| ·LBP 特征的缩放 | 第55页 |
| ·LBP 特征的运用 | 第55-56页 |
| ·LBP 特征的获得 | 第55页 |
| ·训练 | 第55页 |
| ·人脸定位检测 | 第55-56页 |
| ·实验 | 第56页 |
| ·结论 | 第56页 |
| ·LBP+SVM 模式实现人眼定位与状态识别 | 第56-61页 |
| ·候选点的选取 | 第58-59页 |
| ·SVM 验证 | 第59页 |
| ·候选点的选取 | 第59-60页 |
| ·结论 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的研究成果 | 第69-70页 |