| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 驾驶员疲劳检测研究意义与现状 | 第10-12页 |
| 1.2.1 驾驶员疲劳检测的研究意义 | 第10页 |
| 1.2.2 驾驶员疲劳检测的研究现状 | 第10-12页 |
| 1.3 人脸识别的研究意义与现状 | 第12-14页 |
| 1.3.1 人脸识别研究意义 | 第12页 |
| 1.3.2 人脸识别研究现状 | 第12-14页 |
| 1.4 睁闭眼检测的研究意义与现状 | 第14-15页 |
| 1.4.1 睁闭眼检测的研究意义 | 第14页 |
| 1.4.2 睁闭眼检测的研究现状 | 第14-15页 |
| 1.5 基于人脸识别的驾驶员疲劳检测 | 第15-16页 |
| 1.6 本文章节安排 | 第16-17页 |
| 第二章 人脸检测与特征点定位 | 第17-23页 |
| 2.1 人脸检测技术 | 第17-20页 |
| 2.1.1 Haar+AdaBoost人脸检测算法 | 第18-20页 |
| 2.2 人脸特征点定位 | 第20-22页 |
| 2.2.1 主动形状模型ASM | 第21-22页 |
| 2.2.2 主动外观模型AAM | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于字典学习的人脸识别 | 第23-32页 |
| 3.1 人脸识别与稀疏表示 | 第23页 |
| 3.2 基于字典学习的人脸识别 | 第23-25页 |
| 3.3 改进的人脸识别方法 | 第25-27页 |
| 3.4 实验设计与结果 | 第27-31页 |
| 3.4.1 参数的选取 | 第27-30页 |
| 3.4.2 对比实验与结果分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于在线低秩表示的睁闭眼检测 | 第32-44页 |
| 4.1 睁闭眼检测问题描述 | 第32-33页 |
| 4.2 低秩表示与子空间聚类 | 第33-34页 |
| 4.3 低秩表示的算法的改进 | 第34-37页 |
| 4.4 基于在线低秩表示的睁闭眼检测算法 | 第37-39页 |
| 4.5 实验设计与结果 | 第39-43页 |
| 4.5.1 参数选取 | 第40-41页 |
| 4.5.2 实验与对比 | 第41-43页 |
| 4.5.3 实验结果分析 | 第43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于人脸识别的疲劳检测 | 第44-48页 |
| 5.1 疲劳的判定 | 第44-45页 |
| 5.2 疲劳检测算法 | 第45-46页 |
| 5.3 实验设计与结果分析 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 全文总结 | 第48-49页 |
| 6.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间已发表或录用的论文 | 第58-60页 |