基于视觉的驾驶员疲劳检测方法研究与预警
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 驾驶员疲劳检测系统的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 驾驶员疲劳检测方式分类 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.2.3 国内研究现状 | 第13页 |
| 1.3 论文研究内容和结构安排 | 第13-15页 |
| 第2章 人脸检测算法 | 第15-40页 |
| 2.1 图像预处理算法概述 | 第15-20页 |
| 2.1.1 图像滤波 | 第15-18页 |
| 2.1.2 光线补偿 | 第18-20页 |
| 2.2 人脸检测方法研究 | 第20-22页 |
| 2.3 基于Adaboost人脸检测算法设计 | 第22-36页 |
| 2.3.1 常用的分类器 | 第22-27页 |
| 2.3.2 改进具有旋转不变性的MB_LBP算子 | 第27-28页 |
| 2.3.3 特征值的快速计算 | 第28-29页 |
| 2.3.4 Adaboost算法研究及分类器训练 | 第29-32页 |
| 2.3.5 弱分类器与强分类器的构造 | 第32-34页 |
| 2.3.6 级联分类器的设计及训练 | 第34-36页 |
| 2.4 实验结果及分析 | 第36-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 人脸特征点检测算法 | 第40-52页 |
| 3.1 经典的人脸特征点检测方法 | 第40-46页 |
| 3.1.1 主动形状模型 | 第40-43页 |
| 3.1.2 主动外观模型 | 第43-45页 |
| 3.1.3 约束局部模型 | 第45-46页 |
| 3.2 基于级联回归的特征点检测方法 | 第46-50页 |
| 3.2.1 显示形状回归 | 第47-48页 |
| 3.2.2 局部二值特征 | 第48-50页 |
| 3.3 本章小结 | 第50-52页 |
| 第4章 驾驶员面部特征点检测 | 第52-62页 |
| 4.1 随机森林算法的研究 | 第52-57页 |
| 4.1.1 决策树 | 第52-54页 |
| 4.1.2 Bagging算法 | 第54页 |
| 4.1.3 随机森林算法 | 第54-57页 |
| 4.2 基于随机森林级联回归的人脸特征点检测 | 第57-59页 |
| 4.2.1 区域形状回归 | 第57页 |
| 4.2.2 训练过程 | 第57-58页 |
| 4.2.3 检测过程 | 第58-59页 |
| 4.3 实验结果及分析 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 驾驶员疲劳状态分析及实验 | 第62-77页 |
| 5.1 疲劳判断准则及状态分析 | 第62-71页 |
| 5.1.1 眼部和嘴部疲劳判断准则 | 第62-65页 |
| 5.1.2 基于椭圆拟合的眼部和嘴部区域提取 | 第65-68页 |
| 5.1.3 眼睛状态分析 | 第68-69页 |
| 5.1.4 嘴部状态分析 | 第69-71页 |
| 5.2 驾驶员疲劳检测系统概述 | 第71-74页 |
| 5.2.1 整体结构设计 | 第71-72页 |
| 5.2.2 硬件系统设计 | 第72页 |
| 5.2.3 软件系统设计 | 第72-74页 |
| 5.3 实验结果及分析 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 全文内容总结 | 第77页 |
| 6.2 后续工作展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83页 |
