疲劳驾驶监测系统核心算法的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 疲劳驾驶监测的研究意义 | 第12页 |
| 1.2 疲劳驾驶监测系统的发展概述和研究状况 | 第12-14页 |
| 1.2.1 疲劳定义 | 第12-13页 |
| 1.2.2 疲劳驾驶监测系统的现状 | 第13-14页 |
| 1.3 基于图像处理的疲劳驾驶监测系统 | 第14-15页 |
| 1.4 主要内容和章节安排 | 第15-18页 |
| 1.4.1 主要内容 | 第15-16页 |
| 1.4.2 章节安排 | 第16-18页 |
| 第二章 基于人脸关键点定位的监测系统介绍 | 第18-31页 |
| 2.1 人脸关键点定位算法 | 第18-28页 |
| 2.1.1 点分布模型 | 第18-19页 |
| 2.1.2 两类关键点 | 第19页 |
| 2.1.3 经典关键点定位算法 | 第19-23页 |
| 2.1.3.1. AAM算法 | 第19-22页 |
| 2.1.3.2. ASM算法 | 第22-23页 |
| 2.1.4 改进的人脸关键点定位算法 | 第23-27页 |
| 2.1.4.1 STASM算法 | 第23-24页 |
| 2.1.4.2 CLM算法 | 第24-27页 |
| 2.1.5 对算法原理的总结与讨论 | 第27-28页 |
| 2.2 人脸关键点定位算法的应用现状 | 第28-30页 |
| 2.2.1 疲劳驾驶监测系统中的应用 | 第28-29页 |
| 2.2.2 应用中的不足和难点 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 特征数据库的构建和混合定位算法 | 第31-44页 |
| 3.1 数据库的构建 | 第31-34页 |
| 3.1.1 有条件控制的数据库 | 第31-32页 |
| 3.1.2 未控制条件数据库 | 第32-33页 |
| 3.1.3 针对疲劳驾驶监测测试数据 | 第33-34页 |
| 3.2 实验与分析 | 第34-41页 |
| 3.2.1 实验设计原因 | 第35-36页 |
| 3.2.2 实验指标定义 | 第36-37页 |
| 3.2.3 基准点定位比较实验 | 第37-38页 |
| 3.2.4 眼部的定位比较实验 | 第38-39页 |
| 3.2.5 与其他文献中实验的比较 | 第39-40页 |
| 3.2.6 速度的比较实验 | 第40-41页 |
| 3.3 混合人脸关键点定位算法 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 算法子模块的设计与优化 | 第44-65页 |
| 4.1 算法框架 | 第44-45页 |
| 4.2 图像增强 | 第45-49页 |
| 4.2.1 直方图均衡 | 第45-46页 |
| 4.2.2 高斯差分滤波 | 第46页 |
| 4.2.3 Gamma变换 | 第46-47页 |
| 4.2.4 基于形态学的图像增强 | 第47-49页 |
| 4.3 基于AdaBoost的人脸检测 | 第49-53页 |
| 4.3.1 AdaBoost人脸检测算法 | 第49-52页 |
| 4.3.2 检测速度的优化 | 第52-53页 |
| 4.4 基于混合定位算法的人脸关键点定位 | 第53-58页 |
| 4.4.1 对基准点定位的改进 | 第53-57页 |
| 4.4.2 对辅助点定位的改进 | 第57-58页 |
| 4.5 疲劳判定 | 第58-60页 |
| 4.5.1 PERCLORS | 第58-60页 |
| 4.5.2 不同人的眼部模型 | 第60页 |
| 4.6 系统实验测试 | 第60-63页 |
| 4.6.1 测试结果与分析 | 第61-62页 |
| 4.6.2 软硬件平台介绍 | 第62-63页 |
| 4.6.3 软件功能设计 | 第63页 |
| 4.7 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 未来展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 硕士期间取得的研究成果 | 第72-73页 |
