基于汽车驾驶员疲劳状态监测技术的汽车主动安全系统研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-24页 |
| ·课题研究意义 | 第10-11页 |
| ·驾驶疲劳检测的国内外研究现状 | 第11-21页 |
| ·国外疲劳检测研究现状 | 第11-16页 |
| ·国内疲劳检测研究现状 | 第16-17页 |
| ·驾驶员状态监测系统 | 第17-18页 |
| ·以驾驶员为中心的主动安全系统的研究 | 第18-21页 |
| ·课题的提出及主要研究内容 | 第21-22页 |
| ·课题的提出 | 第21-22页 |
| ·课题的主要研究内容 | 第22页 |
| ·论文的主要创新点 | 第22页 |
| ·论文的内容及组织 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 2 驾驶员面部图像提取 | 第24-60页 |
| ·引言 | 第24-25页 |
| ·预处理 | 第25-32页 |
| ·卡尔曼滤波算法 | 第26-29页 |
| ·光线补偿算法 | 第29-31页 |
| ·实验结果 | 第31-32页 |
| ·人脸定位算法 | 第32-45页 |
| ·肤色分割 | 第32-39页 |
| ·基于SNAKE 算法的人脸定位 | 第39-45页 |
| ·人脸特征提取 | 第45-53页 |
| ·眼睛提取 | 第45-50页 |
| ·定位其它特征点 | 第50-53页 |
| ·旋转人脸定位算法 | 第53-56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 3 驾驶员驾驶疲劳状态的机理分析 | 第60-80页 |
| ·驾驶疲劳的概念 | 第60页 |
| ·疲劳程度理论分析 | 第60-73页 |
| ·基于数据统计分析的驾驶员安全意识分析 | 第73-79页 |
| ·安全意识测度及其统计模型 | 第73-76页 |
| ·安全意识测度统计模型参数求解 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 4 基于 PERCLOS 的驾驶疲劳状态决策研究 | 第80-104页 |
| ·基于 PERCLOS 的疲劳状态判断 | 第80-86页 |
| ·PERCLOS 与疲劳状态 | 第80-81页 |
| ·驾驶员行车时的眼动记录 | 第81-83页 |
| ·PERCLOS 的算法研究 | 第83-86页 |
| ·决策过程的基本模型 | 第86-89页 |
| ·基于经验技能的决策过程模型 | 第86-87页 |
| ·基于逻辑推理的决策过程模型 | 第87-88页 |
| ·基于知识的决策过程模型 | 第88-89页 |
| ·基于自学习机制的驾驶员决策过程综合模型 | 第89-102页 |
| ·基于证据融合理论的特征匹配模型 | 第90-94页 |
| ·基于规则的逻辑推理 | 第94-97页 |
| ·基于特征相似度的一致性分析 | 第97-99页 |
| ·基于安全性综合评价的措施方案选择过程建模 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 5 汽车主动安全预警系统研究 | 第104-122页 |
| ·汽车主动安全预警系统介绍 | 第104-108页 |
| ·汽车主动安全预警系统的结构 | 第104-107页 |
| ·驾驶员疲劳与行车最小安全距离的分析 | 第107-108页 |
| ·基于最小安全距离的危险估计 | 第108-121页 |
| ·M 与L_d 之间的最小安全距离 | 第109-111页 |
| ·M 与F_d 的最小安全距离 | 第111-112页 |
| ·M 与L_o 的最小安全距离 | 第112-113页 |
| ·M 与F_o 的最小安全距离 | 第113-114页 |
| ·两类特殊情况的讨论 | 第114-120页 |
| ·基于最小安全距离的危险估计 | 第120-121页 |
| ·本章小结 | 第121-122页 |
| 6 总结 | 第122-124页 |
| 致谢 | 第124-126页 |
| 参考文献 | 第126-134页 |
| 附录 | 第134-136页 |
| A: 作者攻读博士学位期间发表/录用的论文 | 第134-135页 |
| B: 作者攻读博士学位期间申请专利的情况 | 第135页 |
| C: 作者攻读博士学位期间获奖的情况 | 第135-136页 |
| D: 作者攻读博士学位期间科研项目工作的情况 | 第136页 |
