摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-20页 |
1.1 课题提出的背景及意义 | 第10页 |
1.2 疲劳驾驶相关研究介绍 | 第10-14页 |
1.2.1 疲劳预防 | 第11-12页 |
1.2.2 疲劳检测 | 第12-14页 |
1.3 疲劳检测国内外研究现状及发展趋势 | 第14-16页 |
1.3.1 国外研究现状 | 第15页 |
1.3.2 国内研究现状 | 第15-16页 |
1.3.3 发展趋势 | 第16页 |
1.4 疲劳检测技术难点和论文主要内容 | 第16-18页 |
1.4.1 疲劳检测技术难点 | 第16-17页 |
1.4.2 论文主要内容 | 第17-18页 |
1.5 论文组织结构 | 第18-20页 |
第2章 疲劳检测相关技术 | 第20-28页 |
2.1 相关领域理论基础 | 第20-23页 |
2.1.1 数字图像处理 | 第20-21页 |
2.1.2 机器视觉 | 第21页 |
2.1.3 机器学习 | 第21-23页 |
2.2 基于视觉的疲劳检测常用方法 | 第23-27页 |
2.2.1 人脸检测方法概述 | 第23-25页 |
2.2.2 人眼检测方法 | 第25-26页 |
2.2.3 Adaboost算法简介 | 第26-27页 |
2.3 本章小结 | 第27-28页 |
第3章 基于视觉的疲劳检测关键技术研究 | 第28-50页 |
3.1 基于肤色分割和Adaboost算法的人脸检测 | 第28-38页 |
3.1.1 肤色分割 | 第28-29页 |
3.1.2 基于Adaboost算法的人脸检测 | 第29-38页 |
3.2 基于AAM的眼睛区域提取和嘴部状态提取 | 第38-47页 |
3.2.1 AAM算法起源 | 第39页 |
3.2.2 基于AAM的面部表观模型的建立 | 第39-44页 |
3.2.3 基于AAM的面部拟合匹配 | 第44-46页 |
3.2.4 反向合成算法在面部拟合匹配中的应用 | 第46页 |
3.2.5 眼睛区域提取和嘴部状态提取 | 第46-47页 |
3.3 基于边缘图像的眼睛状态提取 | 第47-49页 |
3.3.1 对数变换在边缘提取中的作用 | 第47-48页 |
3.3.2 提取眼睛边缘和确定眼睑高度差 | 第48-49页 |
3.4 本章小结 | 第49-50页 |
第4章 原型系统的设计与实现 | 第50-70页 |
4.1 原型系统设计 | 第50-51页 |
4.1.1 原型系统结构 | 第50页 |
4.1.2 原型系统算法流程 | 第50-51页 |
4.2 图像预处理 | 第51-54页 |
4.2.1 彩色图像人脸粗定位 | 第51-53页 |
4.2.2 灰度图像直方图均衡化 | 第53-54页 |
4.3 面部特征点定位 | 第54-57页 |
4.3.1 人脸检测 | 第54-56页 |
4.3.2 人眼检测 | 第56页 |
4.3.3 AAM面部拟合匹配定位 | 第56-57页 |
4.4 面部特征点跟踪 | 第57-63页 |
4.4.1 基于图像金字塔光流方法的面部特征点跟踪 | 第58-62页 |
4.4.2 特征点跟踪的实现 | 第62-63页 |
4.5 疲劳程度判定 | 第63-68页 |
4.5.1 判断疲劳的指标 | 第63-64页 |
4.5.2 眼睛睁闭状态确定 | 第64-65页 |
4.5.3 嘴部状态确定 | 第65-66页 |
4.5.4 疲劳判定方法 | 第66-68页 |
4.5.5 丢失帧对疲劳判断的影响 | 第68页 |
4.6 本章小结 | 第68-70页 |
第5章 实验结果与分析 | 第70-76页 |
5.1 检测率和误检率测试 | 第70-74页 |
5.1.1 不同光照条件下的检测率和误检率 | 第70-71页 |
5.1.2 不同头部姿态下的检测率和误检率 | 第71-74页 |
5.2 性能测试 | 第74页 |
5.3 疲劳判断测试 | 第74-75页 |
5.4 本章小结 | 第75-76页 |
第6章 总结与展望 | 第76-78页 |
6.1 本文工作总结 | 第76-77页 |
6.2 未来工作展望 | 第77-78页 |
参考文献 | 第78-82页 |
致谢 | 第82页 |