| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第13-16页 |
| 1.1 研究工作的背景与意义 | 第13页 |
| 1.2 国内外研究历史与现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 2 理论技术基础 | 第16-24页 |
| 2.1 开发环境简介 | 第16-17页 |
| 2.1.1 OpenCV简介 | 第16页 |
| 2.1.2 VC++2010下Opencv环境配置 | 第16-17页 |
| 2.2 背景建模技术 | 第17-19页 |
| 2.3 图像预处理 | 第19-20页 |
| 2.4 边缘检测 | 第20-21页 |
| 2.5 人脸检测 | 第21-23页 |
| 2.6 小结 | 第23-24页 |
| 3 算法设计与软件开发 | 第24-54页 |
| 3.1 系统环境 | 第24-25页 |
| 3.2 对人员眼睛情况的分析与识别 | 第25-43页 |
| 3.2.1 获取摄像视频 | 第26-27页 |
| 3.2.2 图像存储格式 | 第27-28页 |
| 3.2.3 视频图像预处理 | 第28-30页 |
| 3.2.4 提取人体轮廓 | 第30-31页 |
| 3.2.5 前景的处理 | 第31-33页 |
| 3.2.6 脸部肤色检测与旋转矫正 | 第33-37页 |
| 3.2.7 人脸检测 | 第37-38页 |
| 3.2.8 眼睛定位 | 第38页 |
| 3.2.9 瞳孔定位 | 第38-40页 |
| 3.2.10 视觉方向判断 | 第40-41页 |
| 3.2.11 眼睛开合判断 | 第41-43页 |
| 3.3 对人员姿势的分析与识别 | 第43-53页 |
| 3.3.1 轮廓特征的选择 | 第44-47页 |
| 3.3.2 基于统计特征的姿势判断方法 | 第47-53页 |
| 3.3.2.1 SVM支持向量机 | 第47-49页 |
| 3.3.2.2 BP反向传播神经网络 | 第49-53页 |
| 3.4 小结 | 第53-54页 |
| 4 系统测试 | 第54-61页 |
| 4.1 测试原则 | 第54-55页 |
| 4.2 测试过程 | 第55-60页 |
| 4.2.1 离岗检测 | 第55页 |
| 4.2.2 左侧睡姿态检测 | 第55页 |
| 4.2.3 正常姿态检测 | 第55-56页 |
| 4.2.4 趴睡姿态检测 | 第56页 |
| 4.2.5 右侧睡姿态检测 | 第56页 |
| 4.2.6 右视检测 | 第56-57页 |
| 4.2.7 左视检测 | 第57页 |
| 4.2.8 前视检测 | 第57-58页 |
| 4.2.9 左眼开合检测 | 第58页 |
| 4.2.10 右眼开合检测 | 第58页 |
| 4.2.11 双眼闭合检测 | 第58-59页 |
| 4.2.12 脸部旋转矫正测试 | 第59页 |
| 4.2.13 几种姿势判断方法的比较 | 第59-60页 |
| 4.3 实验结果 | 第60页 |
| 4.4 小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 结论 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 作者简历及科研成果 | 第65-66页 |
| 学位论文数据集 | 第66-67页 |
| 详细摘要 | 第67-78页 |