| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 疲劳检测方法与研究现状 | 第11-14页 |
| 1.2.1 疲劳检测方法分类 | 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13-14页 |
| 1.3 论文结构及主要内容 | 第14-16页 |
| 第2章 图像预处理与人脸检测算法 | 第16-34页 |
| 2.1 图像预处理 | 第16-21页 |
| 2.1.1 灰度化 | 第16-17页 |
| 2.1.2 图像去噪 | 第17-19页 |
| 2.1.3 直方图均衡化 | 第19-21页 |
| 2.2 人脸检测算法 | 第21-22页 |
| 2.3 基于肤色特征的人脸检测算法 | 第22-24页 |
| 2.4 基于Haar特征的Adaboost人脸检测算法 | 第24-29页 |
| 2.4.1 Haar特征与积分图 | 第24-26页 |
| 2.4.2 Adaboost级联分类器 | 第26-29页 |
| 2.5 基于Seetaface的人脸检测算法 | 第29-31页 |
| 2.5.1 Seetaface人脸检测介绍 | 第29页 |
| 2.5.2 人脸检测模块Seetaface Detection | 第29-31页 |
| 2.6 人脸检测仿真分析 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 驾驶员面部特征点定位 | 第34-44页 |
| 3.1 基于卡尔曼滤波的人脸跟踪及优化 | 第34-36页 |
| 3.1.1 卡尔曼滤波跟踪 | 第34-35页 |
| 3.1.2 双线性插值图像变换 | 第35-36页 |
| 3.2 特征点定位 | 第36-41页 |
| 3.2.1 ASM人脸对齐 | 第36页 |
| 3.2.2 特征点定位模块Seetaface Alignment | 第36-38页 |
| 3.2.3 基于几何特征的特征点粗定位 | 第38-39页 |
| 3.2.4 眼部区域二值化 | 第39-41页 |
| 3.3 特征点定位仿真分析 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 驾驶员疲劳状态分析 | 第44-58页 |
| 4.1 基于视觉的疲劳检测方法 | 第44-45页 |
| 4.2 基于PERCLOS原理的疲劳判断 | 第45-48页 |
| 4.2.1 PERCLOS检测原理 | 第45-47页 |
| 4.2.2 眼睛状态判断 | 第47-48页 |
| 4.3 基于驾驶员头部状态的疲劳判断 | 第48-51页 |
| 4.3.1 驾驶员抬头低头状态分析 | 第48-49页 |
| 4.3.2 驾驶员左右偏头状态分析 | 第49-51页 |
| 4.4 疲劳检测仿真分析 | 第51-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 系统环境搭建与实验结果 | 第58-71页 |
| 5.1 系统总体设计方案 | 第58页 |
| 5.2 系统硬件平台设计 | 第58-60页 |
| 5.3 系统软件平台设计 | 第60-68页 |
| 5.3.1 系统软件设计需求 | 第60-61页 |
| 5.3.2 嵌入式Linux操作系统 | 第61-65页 |
| 5.3.3 Qt库和OpenCV视觉开发库 | 第65-66页 |
| 5.3.4 视频图像采集 | 第66-68页 |
| 5.3.5 移植嵌入式播放器Madplay | 第68页 |
| 5.4 实验结果分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82页 |
