| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 发展背景 | 第8页 |
| 1.2 国内外发展状况 | 第8-11页 |
| 1.3 疲劳预警系统整体思路 | 第11-13页 |
| 1.4 系统实现环境 | 第13-14页 |
| 1.5 论文研究内容与结构安排 | 第14-16页 |
| 1.5.1 主要研究内容 | 第14-15页 |
| 1.5.2 论文结构安排 | 第15-16页 |
| 2 人脸识别及相关技术 | 第16-25页 |
| 2.1 人脸检测方法概述 | 第16-18页 |
| 2.2 AdaBoost算法原理 | 第18页 |
| 2.3 Haar-like特征 | 第18-20页 |
| 2.4 OpenCV中AdaBoost在Haar分类器中的应用 | 第20-22页 |
| 2.4.1 OpenCV简介 | 第20页 |
| 2.4.2 基于OpenCV的人脸识别 | 第20-22页 |
| 2.5 涉及到相关的图像处理技术 | 第22-24页 |
| 2.5.1 直方图均衡化 | 第22页 |
| 2.5.2 归一化处理 | 第22-24页 |
| 2.5.3 二值化处理 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 疲劳驾驶预警系统算法研究与实现 | 第25-45页 |
| 3.1 人眼虹膜中心定位算法研究 | 第25-27页 |
| 3.1.1 常用的虹膜定位技术 | 第25-27页 |
| 3.1.2 常用的虹膜定位算法分析与比较 | 第27页 |
| 3.2 眼角定位算法研究 | 第27-29页 |
| 3.2.1 常用眼角点的检测方法 | 第27-29页 |
| 3.2.2 常用眼角点定位算法分析 | 第29页 |
| 3.3 人眼的跟踪 | 第29-31页 |
| 3.4 疲劳状态检测方法 | 第31-32页 |
| 3.4.1 基于PERCLOS的疲劳检测方法 | 第31-32页 |
| 3.4.2 基于眼球转动频率的疲劳检测方法 | 第32页 |
| 3.4.3 疲劳检测方法的选择 | 第32页 |
| 3.5 疲劳特征的提取 | 第32-43页 |
| 3.5.1 虹膜中心定位 | 第33-37页 |
| 3.5.2 眼角定位 | 第37-41页 |
| 3.5.3 疲劳特征点坐标定位显示 | 第41-43页 |
| 3.6 疲劳判定 | 第43-44页 |
| 3.7 结论 | 第44-45页 |
| 4 硬件方案及环境配置 | 第45-53页 |
| 4.1 硬件方案的设计 | 第45-47页 |
| 4.1.1 方案的确定 | 第45-46页 |
| 4.1.2 系统处理器的选择 | 第46页 |
| 4.1.3 摄像头的选取 | 第46页 |
| 4.1.4 存储器的选择 | 第46页 |
| 4.1.5 LCD模块 | 第46-47页 |
| 4.1.6 扩展外设模块 | 第47页 |
| 4.2 嵌入式操作系统的选取 | 第47-48页 |
| 4.3 开发环境配置 | 第48-52页 |
| 4.3.1 虚拟机Linux环境构建以及效果图 | 第48-52页 |
| 4.3.2 使用v412协议打开摄像头以及Qt开发软件 | 第52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 疲劳预警系统效果分析 | 第53-60页 |
| 5.1 PC机上的效果验证及分析 | 第53-55页 |
| 5.1.1 人脸、人眼检测以及实时分析 | 第53-54页 |
| 5.1.2 疲劳特征点的实时检测 | 第54-55页 |
| 5.2 在虚拟机Linux环境下的效果图 | 第55-57页 |
| 5.3 开发板运行效果图 | 第57页 |
| 5.4 对Perclos人眼疲劳判定算法的分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 结论 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 结论 | 第60页 |
| 6.3 存在的不足和待改进的地方 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66-68页 |