基于安卓的多特征疲劳实时检测系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 疲劳检测的背景与意义 | 第10页 |
| 1.2 疲劳检测的国内外研究历史与现状 | 第10-15页 |
| 1.2.1 接触式疲劳检测方法 | 第10-12页 |
| 1.2.2 非接触疲劳检测方法 | 第12-14页 |
| 1.2.3 疲劳检测方法总结 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 相关理论基础 | 第17-25页 |
| 2.1 PCA降维 | 第17-18页 |
| 2.2 人脸检测方法简介 | 第18-21页 |
| 2.2.1 基于肤色的人脸检测方法 | 第19页 |
| 2.2.2 基于几何特征的人脸检测方法 | 第19-20页 |
| 2.2.3 基于统计理论的人脸检测方法 | 第20-21页 |
| 2.3 人脸特征点提取方法简介 | 第21-24页 |
| 2.3.1 点分布模型 | 第21-22页 |
| 2.3.2 基于优化的人脸特征点提取方法 | 第22-23页 |
| 2.3.3 基于回归的人脸特征点提取方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于安卓的疲劳检测系统的架构设计 | 第25-31页 |
| 3.1 概述 | 第25-26页 |
| 3.2 系统架构设计方案 | 第26-30页 |
| 3.2.1 疲劳检测系统整体架构图 | 第26页 |
| 3.2.2 疲劳检测安卓端系统设计 | 第26-28页 |
| 3.2.3 后台监测服务器系统设计 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 改进的人脸对齐方法 | 第31-50页 |
| 4.1 显式形状回归人脸对齐算法 | 第31-37页 |
| 4.1.1 训练样本 | 第31-33页 |
| 4.1.2 显示形状回归模型 | 第33-35页 |
| 4.1.3 人脸特征提取与选择 | 第35-37页 |
| 4.2 改进的显式形状回归算法 | 第37-44页 |
| 4.2.1 人脸形状空间 | 第38-39页 |
| 4.2.2 二级级联形状参数回归 | 第39-41页 |
| 4.2.3 改进形状特征索引 | 第41-43页 |
| 4.2.4 多重随机特征选择 | 第43-44页 |
| 4.3 实验结果分析 | 第44-49页 |
| 4.3.1 人脸数据库介绍和实验参数设置 | 第44-46页 |
| 4.3.2 误差分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 安卓端算法实现 | 第50-65页 |
| 5.1 安卓端人眼对齐与疲劳特征分析 | 第51-56页 |
| 5.1.1 电脑端人眼对齐训练过程 | 第51-54页 |
| 5.1.2 安卓端人眼对齐检测过程 | 第54-55页 |
| 5.1.3 人眼疲劳特征分析 | 第55-56页 |
| 5.2 安卓端人脸轮廓对齐与疲劳特征分析 | 第56-61页 |
| 5.2.1 人脸轮廓对齐训练与检测 | 第57-58页 |
| 5.2.2 头部对齐结果状态分析 | 第58-60页 |
| 5.2.3 嘴部对齐结果状态分析 | 第60-61页 |
| 5.3 综合疲劳特征分析 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 系统实现 | 第65-71页 |
| 6.1 安卓端检测系统实现 | 第65-69页 |
| 6.2 服务器端系统实现 | 第69-70页 |
| 6.3 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 全文总结 | 第71-72页 |
| 7.2 不足与展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间的成果 | 第77-78页 |
