| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·选题背景与意义 | 第11-14页 |
| ·引言 | 第11页 |
| ·疲劳驾驶的原因 | 第11-12页 |
| ·疲劳驾驶危害的严重性 | 第12-13页 |
| ·小结 | 第13-14页 |
| ·疲劳驾驶检测的国内外研究现状 | 第14-16页 |
| ·国内外现状概述 | 第14-15页 |
| ·基于计算机视觉的疲劳驾驶检测研究现状 | 第15-16页 |
| ·研究的主要内容及创新点 | 第16页 |
| ·论文结构安排 | 第16-18页 |
| 第二章 相关理论基础 | 第18-30页 |
| ·SVM 简介 | 第18-22页 |
| ·线性判别函数及判别面 | 第18-20页 |
| ·最优分类面 | 第20-21页 |
| ·核函数 | 第21-22页 |
| ·TLD 跟踪算法介绍 | 第22-26页 |
| ·TLD 的组成部分 | 第22-24页 |
| ·TLD 的算法过程 | 第24-25页 |
| ·2bitBP(2bit Binary Pattern)的特征 | 第25-26页 |
| ·纹理特征 LBP 介绍 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 疲劳检测系统的架构设计 | 第30-35页 |
| ·概述 | 第30页 |
| ·系统架构设计方案 | 第30-33页 |
| ·总体系统架构图 | 第30-31页 |
| ·疲劳检测数据流程图 | 第31-32页 |
| ·疲劳检测系统拓扑结构图 | 第32页 |
| ·实现方案概述 | 第32-33页 |
| ·疲劳检测流程图 | 第33-34页 |
| ·PERCLOSE 简介 | 第34-35页 |
| 第四章 疲劳驾驶检测中的人脸检测与定位 | 第35-48页 |
| ·常用的人脸检测方法简介 | 第35-39页 |
| ·肤色区域分割与人脸验证的检测方法 | 第36页 |
| ·基于启发式模型的人脸检测方法 | 第36-38页 |
| ·基于统计模型的检测方法 | 第38-39页 |
| ·本文采用的基于 ADABOOST 的人脸检测算法 | 第39-45页 |
| ·Harr-like 特征和积分图 | 第40-42页 |
| ·adaboost 算法流程 | 第42-44页 |
| ·Adaboost 算法的检测机制 | 第44-45页 |
| ·本文的人脸检测方案及效果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 人眼定位与跟踪 | 第48-60页 |
| ·常用的人眼定位算法简介 | 第48-51页 |
| ·本文人眼跟踪算法的研究与尝试 | 第51-53页 |
| ·本文使用的人眼定位与跟踪方法 | 第53-58页 |
| ·本文的人眼定位算法框架 | 第53-54页 |
| ·粗定位 | 第54-55页 |
| ·精确定位 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 人眼状态识别及疲劳检测 | 第60-72页 |
| ·常用的眼睛状态识别方法简介 | 第60-61页 |
| ·本系统的眼睛状态识别方案 | 第61-69页 |
| ·概述 | 第61页 |
| ·SVM+LBP 的方法尝试 | 第61-62页 |
| ·基于多阀值二值化眼睛图像的状态识别方法 | 第62-69页 |
| ·多阀值二值化 | 第63页 |
| ·优化选择方法，选择最合适的二值图像 | 第63-65页 |
| ·眼睛睁闭状态区分标准 | 第65-66页 |
| ·检测效果 | 第66-69页 |
| ·疲劳检测 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第七章 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |