基于KFEP算法的驾驶员疲劳状态检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容及实验安排 | 第10-12页 |
| 1.4 本文章节安排 | 第12-13页 |
| 第2章 疲劳状态检测方法的研究 | 第13-27页 |
| 2.1 引言 | 第13页 |
| 2.2 PERCLOS算法的思想与缺陷分析 | 第13-16页 |
| 2.2.1 PERCLOS算法思想 | 第13-15页 |
| 2.2.2 PERCLOS算法缺陷分析 | 第15-16页 |
| 2.3 疲劳状态检测方法的改进 | 第16-26页 |
| 2.3.1 常用的时域滤波算法分析 | 第17-20页 |
| 2.3.2 PERCLOS算法的改进分析 | 第20-22页 |
| 2.3.3 改进的疲劳状态检测方法 | 第22-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 疲劳特征值提取方法的研究 | 第27-49页 |
| 3.1 引言 | 第27页 |
| 3.2 人脸的检测与定位 | 第27-36页 |
| 3.2.1 人脸检测的预处理 | 第28-29页 |
| 3.2.2 人脸特征的提取 | 第29-32页 |
| 3.2.3 人脸弱分类器的建立 | 第32-34页 |
| 3.2.4 人脸弱分类器的训练 | 第34-35页 |
| 3.2.5 人脸的检测与定位 | 第35-36页 |
| 3.3 人眼区域的粗定位和去噪 | 第36-39页 |
| 3.3.1 人眼区域的粗定位 | 第36-38页 |
| 3.3.2 人眼图像的去噪 | 第38-39页 |
| 3.4 人眼图像的二值化 | 第39-45页 |
| 3.4.1 人眼区域特征分析 | 第40-41页 |
| 3.4.2 常用的二值化方法分析 | 第41-44页 |
| 3.4.3 人眼图像的二值化 | 第44-45页 |
| 3.5 人眼的精确定位 | 第45-46页 |
| 3.6 疲劳特征值的提取 | 第46-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第4章 仿真实验与结果分析 | 第49-67页 |
| 4.1 仿真实验环境的部署 | 第49-51页 |
| 4.1.1 仿真实验数据的采集 | 第49-50页 |
| 4.1.2 仿真实验平台的搭建 | 第50-51页 |
| 4.2 疲劳特征值提取方法的仿真实验与结果分析 | 第51-61页 |
| 4.2.1 人脸的检测与定位参数选取 | 第51-55页 |
| 4.2.2 人眼区域的粗定位参数选取 | 第55-57页 |
| 4.2.3 人眼图像的二值化参数选取 | 第57-58页 |
| 4.2.4 人眼的精确定位参数选取 | 第58-59页 |
| 4.2.5 疲劳特征值提取的实验结果与分析 | 第59-61页 |
| 4.3 疲劳状态检测方法的仿真实验与结果分析 | 第61-66页 |
| 4.3.1 卡尔曼滤波参数选取 | 第61-64页 |
| 4.3.2 疲劳状态检测的实验结果与分析 | 第64-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |
