| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 驾驶员疲劳监控系统的国内外研究现状和发展趋势 | 第13-18页 |
| 1.2.1 疲劳驾驶的监测方法 | 第13-14页 |
| 1.2.2 国外的研究现状和发展趋势 | 第14-15页 |
| 1.2.3 国内的研究现状和发展趋势 | 第15-17页 |
| 1.2.4 红外图象疲劳检测研究现状 | 第17-18页 |
| 第2章 驾驶员疲劳监控系统的主要构成 | 第18-26页 |
| 2.1 概述 | 第18-19页 |
| 2.2 监控系统的图像采集模块 | 第19-23页 |
| 2.2.1 红外技术及红外摄像头的介绍 | 第19-21页 |
| 2.2.2 视频采集卡介绍 | 第21-22页 |
| 2.2.3 计算机 | 第22-23页 |
| 2.3 监控系统的图像处理模块 | 第23页 |
| 2.4 人脸红外图像的特点 | 第23-26页 |
| 第3章 人脸的检测与定位 | 第26-44页 |
| 3.1 人脸检测中主要遇到的问题 | 第26-27页 |
| 3.2 人脸检测中采用的主要方法 | 第27-29页 |
| 3.3 本文采用的人脸定位算法 | 第29-37页 |
| 3.3.1 人脸图像的预处理 | 第30-31页 |
| 3.3.2 改进的中值滤波算法：自适应中值滤波算法 | 第31-33页 |
| 3.3.3 人脸图像的二值化 | 第33-35页 |
| 3.3.4 人脸区域识别 | 第35-37页 |
| 3.4 人脸跟踪 | 第37-44页 |
| 3.4.1 卡尔曼滤波跟踪面部的算法 | 第38-40页 |
| 3.4.2 卡尔曼算法在本文中的应用 | 第40-41页 |
| 3.4.3 卡尔曼滤波跟踪面部的实验 | 第41-44页 |
| 第4章 驾驶员眼部状态判断 | 第44-58页 |
| 4.1 人眼检测方法的概述 | 第44-47页 |
| 4.1.1 灰度模板方法 | 第44-45页 |
| 4.1.2 投影的方法 | 第45-46页 |
| 4.1.3 Hough变换的方法 | 第46-47页 |
| 4.2 当前人眼检测存在的问题 | 第47页 |
| 4.3 本文设计的眼睛闭合判断方法 | 第47-58页 |
| 4.3.1 二值化方法综述 | 第47-49页 |
| 4.3.2 二值化方法的交叉使用 | 第49-55页 |
| 4.3.3 驾驶员疲劳判断的量化计算 | 第55-58页 |
| 第5章 驾驶员嘴部状态判断 | 第58-70页 |
| 5.1 嘴巴检测定位算法综述 | 第58-59页 |
| 5.2 本文采用的判断嘴部闭合的原理 | 第59页 |
| 5.3 驾驶员嘴部状态具体判别 | 第59-68页 |
| 5.3.1 驾驶员嘴部闭合与打哈欠时的状态 | 第59-62页 |
| 5.3.2 驾驶员与摄像头成不同角度的数据对比 | 第62-63页 |
| 5.3.3 驾驶员说话时与前面两种状态的对比 | 第63-64页 |
| 5.3.4 多面孔采样并进行量化计算 | 第64-68页 |
| 5.4 与传统肤色定位嘴唇算法的对比 | 第68-70页 |
| 第6章 驾驶员的疲劳识别与预警 | 第70-82页 |
| 6.1 基于模糊控制的疲劳识别方法概述 | 第70-76页 |
| 6.1.1 模糊控制的基本理论 | 第71-72页 |
| 6.1.2 隶属度函数的确定方法 | 第72-73页 |
| 6.1.3 隶属度函数图形分布的几种形式 | 第73-75页 |
| 6.1.4 隶属度函数形状对控制特性的影响 | 第75-76页 |
| 6.2 本文采用的模糊控制 | 第76-78页 |
| 6.3 Fuzzy推理模型的mamdani算法 | 第78-79页 |
| 6.4 驾驶员疲劳状态分析及预警方式 | 第79-82页 |
| 第7章 总结与展望 | 第82-84页 |
| 7.1 总结 | 第82-83页 |
| 7.2 展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90页 |