| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状及发展趋势 | 第15-17页 |
| 1.2.1 国内外研究现状 | 第15-17页 |
| 1.2.2 发展趋势 | 第17页 |
| 1.3 论文主要内容及结构安排 | 第17-19页 |
| 1.3.1 论文主要研究内容 | 第17-18页 |
| 1.3.2 论文结构安排 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 2 司机疲劳驾驶行为分析 | 第20-28页 |
| 2.1 疲劳驾驶 | 第20-23页 |
| 2.1.1 疲劳驾驶的概念 | 第20-21页 |
| 2.1.2 疲劳驾驶形成的原因 | 第21-22页 |
| 2.1.3 疲劳驾驶的危害 | 第22-23页 |
| 2.2 司机疲劳的检测方法 | 第23-26页 |
| 2.2.1 基于生理信号的检测方法 | 第23-24页 |
| 2.2.2 基于车辆状态的检测方法 | 第24-25页 |
| 2.2.3 基于视觉图像的检测方法 | 第25页 |
| 2.2.4 三种检测方法比较 | 第25-26页 |
| 2.3 本文使用的检测方法 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 司机面部特征识别 | 第28-36页 |
| 3.1 人脸检测 | 第28-32页 |
| 3.1.1 人脸检测方法 | 第28-29页 |
| 3.1.2 基于AdaBoost算法的人脸检测 | 第29-31页 |
| 3.1.3 AdaBoost算法实现 | 第31-32页 |
| 3.2 眼睛定位 | 第32-33页 |
| 3.3 嘴巴定位 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 司机疲劳驾驶判定 | 第36-44页 |
| 4.1 基于眼睛特征的疲劳判定 | 第36-39页 |
| 4.1.1 PERCLOS算法 | 第37页 |
| 4.1.2 PERCLOS算法原理 | 第37-38页 |
| 4.1.3 基于PERCLOS判定疲劳 | 第38-39页 |
| 4.2 基于嘴巴特征的疲劳判定 | 第39-41页 |
| 4.3 基于方向盘的疲劳判定 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 5 司机防疲劳驾驶系统 | 第44-52页 |
| 5.1 系统设计 | 第44-49页 |
| 5.1.1 面部监测模块 | 第44-45页 |
| 5.1.2 方向盘监测模块 | 第45-46页 |
| 5.1.3 蓝牙模块 | 第46-47页 |
| 5.1.4 预警模块 | 第47-48页 |
| 5.1.5 数据处理模块 | 第48-49页 |
| 5.2 司机防疲劳驾驶系统硬件结构 | 第49-51页 |
| 5.2.1 汽车方向盘转角传感器 | 第49-50页 |
| 5.2.2 基于Android系统的监控和处理设备 | 第50-51页 |
| 5.3 实验结果分析 | 第51页 |
| 5.4 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60页 |