| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 课题的研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-23页 |
| 1.2.1 检测行车中使用手机技术研究现状 | 第15-17页 |
| 1.2.2 基于机器视觉检测行车中使用手机的研究现状 | 第17-18页 |
| 1.2.3 人脸检测方法研究现状 | 第18-23页 |
| 1.2.4 运动目标跟踪方法研究现状 | 第23页 |
| 1.3 基于机器视觉的非安全驾驶行为检测方案 | 第23-25页 |
| 1.3.1 难点分析 | 第23-24页 |
| 1.3.2 检测方案 | 第24-25页 |
| 1.4 本文的研究内容 | 第25-26页 |
| 第2章 驾驶员人脸检测算法研究 | 第26-41页 |
| 2.1 图像预处理 | 第26-30页 |
| 2.1.1 直方图均衡化 | 第26-28页 |
| 2.1.2 平滑处理 | 第28-30页 |
| 2.2 基于肤色分割的人脸检测 | 第30-34页 |
| 2.2.1 色彩空间 | 第30-31页 |
| 2.2.2 肤色模型 | 第31-33页 |
| 2.2.3 肤色区域分割 | 第33-34页 |
| 2.3 基于Adaboost算法的人脸检测 | 第34-39页 |
| 2.3.1 Adaboost算法原理 | 第34-35页 |
| 2.3.2 Haar-like特征和积分图 | 第35-37页 |
| 2.3.3 分类器训练 | 第37-38页 |
| 2.3.4 级联分类器 | 第38-39页 |
| 2.4 基于肤色分割与Adaboost算法相结合的人脸检测算法 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 目标跟踪与区域定位 | 第41-57页 |
| 3.1 运动目标跟踪方法 | 第41页 |
| 3.2 KCF目标跟踪算法 | 第41-44页 |
| 3.2.1 核岭回归分类器 | 第41-42页 |
| 3.2.2 循环矩阵 | 第42-43页 |
| 3.2.3 目标快速检测 | 第43-44页 |
| 3.3 尺度自适应KCF目标跟踪算法 | 第44-47页 |
| 3.4 实验与分析 | 第47-54页 |
| 3.4.1 评价指标 | 第48页 |
| 3.4.2 定量分析 | 第48-51页 |
| 3.4.3 定性分析 | 第51-54页 |
| 3.5 感兴趣区域定位 | 第54-56页 |
| 3.5.1 接打电话区域定位 | 第54-55页 |
| 3.5.2 低头看手机区域定位 | 第55-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第4章 非安全驾驶行为判别 | 第57-67页 |
| 4.1 感兴趣区域肤色检测 | 第57页 |
| 4.2 形态学处理 | 第57-60页 |
| 4.2.1 膨胀和腐蚀 | 第57-58页 |
| 4.2.2 开闭运算 | 第58-60页 |
| 4.3 边缘检测 | 第60-64页 |
| 4.3.1 边缘检测算法 | 第61-62页 |
| 4.3.2 Canny算子 | 第62-64页 |
| 4.4 非安全驾驶行为判别 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 非安全驾驶行为检测算法实验验证 | 第67-74页 |
| 5.1 样本采集 | 第67-68页 |
| 5.2 接打电话实验验证 | 第68-71页 |
| 5.2.1 实验结果 | 第68页 |
| 5.2.2 实验结果分析 | 第68-71页 |
| 5.3 低头看手机实验验证 | 第71-72页 |
| 5.3.1 实验结果 | 第71页 |
| 5.3.2 实验结果分析 | 第71-72页 |
| 5.4 本章小结 | 第72-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81页 |