基于人脸面部信息的疲劳驾驶检测系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.2 国内外疲劳驾驶研究现状 | 第10-14页 |
| 1.2.1 疲劳驾驶主要评价方法研究 | 第10-11页 |
| 1.2.2 国外研究现状 | 第11-13页 |
| 1.2.3 国内研究现状 | 第13-14页 |
| 1.3 本论文研究内容及章节安排 | 第14-16页 |
| 第二章 图像预处理和人脸检测研究 | 第16-33页 |
| 2.1 图像预处理 | 第16-19页 |
| 2.1.1 图像灰度化 | 第16-17页 |
| 2.1.2 直方图均衡化 | 第17-19页 |
| 2.2 人脸检测系统的性能评价标准 | 第19-20页 |
| 2.2.1 相关评价指标 | 第19-20页 |
| 2.3 人脸检测算法研究 | 第20-22页 |
| 2.3.1 基于几何特征的人脸检测方法 | 第21页 |
| 2.3.2 基于肤色模型的人脸检测方法 | 第21-22页 |
| 2.3.3 基于统计的人脸检测方法 | 第22页 |
| 2.4 人脸矩形特征的提取 | 第22-25页 |
| 2.5 AdaBoost 算法 | 第25-28页 |
| 2.5.1 强分类器训练的过程 | 第26-27页 |
| 2.5.2 级联强分类器的构造 | 第27-28页 |
| 2.6 实验结果及分析 | 第28-32页 |
| 2.6.1 训练样本集 | 第28-30页 |
| 2.6.2 人脸正样本图像预处理 | 第30页 |
| 2.6.3 测试集及实验结果 | 第30-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 人脸跟踪 | 第33-44页 |
| 3.1 运动跟踪理论介绍 | 第33页 |
| 3.2 常用运动跟踪算法 | 第33-40页 |
| 3.2.1 Mean-Shift 跟踪算法 | 第35-37页 |
| 3.2.2 Kalman 滤波 | 第37-39页 |
| 3.2.3 粒子滤波 | 第39-40页 |
| 3.3 基于 TLD 算法的人脸检测跟踪算法 | 第40-42页 |
| 3.4 实验结果及分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 面部特征检测及疲劳状态分析 | 第44-63页 |
| 4.1 常用的几种眼睛定位算法 | 第44-50页 |
| 4.1.1 Hough 变换检测法 | 第44-46页 |
| 4.1.2 边缘特征分析法 | 第46页 |
| 4.1.3 对称变换法 | 第46-47页 |
| 4.1.4 变形模板法 | 第47-48页 |
| 4.1.5 面部几何模型法 | 第48-50页 |
| 4.2 本文人眼定位与检测 | 第50-53页 |
| 4.3 人眼目标区域面积建模求解过程 | 第53-57页 |
| 4.4 人脸其他面部特征研究 | 第57-60页 |
| 4.5 疲劳驾驶判别原理 | 第60-61页 |
| 4.5.1 改进 PERCLOS 测量原理 | 第60-61页 |
| 4.5.2 疲劳驾驶判别结果 | 第61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文主要贡献与创新点 | 第63-64页 |
| 5.2 论文不足及后期研究点 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 附录1 部分人眼采集数据 | 第67-71页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第71-72页 |
| 致谢 | 第72页 |
