驾驶员注视区域估计算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景与研究意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·注视区域估计技术发展现状 | 第10-15页 |
| ·目前存在的问题 | 第10页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-14页 |
| ·视线跟踪产品 | 第14-15页 |
| ·本文主要研究内容 | 第15-16页 |
| 第2章 注视区域估计算法研究基础 | 第16-24页 |
| ·人眼结构与运动情况 | 第16-18页 |
| ·人眼结构 | 第16-17页 |
| ·眼睛运动模式 | 第17-18页 |
| ·注视区域校准原因 | 第18-19页 |
| ·传统眼睛检测方法介绍 | 第19-21页 |
| ·基于形状的方法 | 第19-20页 |
| ·基于特征的方法 | 第20页 |
| ·基于外观的方法 | 第20-21页 |
| ·传统注视估计方法介绍 | 第21-23页 |
| ·基于2D映射模型方法 | 第21-22页 |
| ·基于3D模型方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 驾驶员脸部检测算法 | 第24-38页 |
| ·整体算法概况 | 第24-26页 |
| ·脸部定位 | 第26-30页 |
| ·Haar-like特征 | 第27页 |
| ·级联分类器构建与优化 | 第27-29页 |
| ·人脸检测过程 | 第29-30页 |
| ·脸部特征提取 | 第30-35页 |
| ·图像预处理 | 第31-33页 |
| ·基于PCA的特征检测 | 第33-35页 |
| ·实验数据 | 第35-37页 |
| ·硬件设备 | 第35页 |
| ·实验条件要求 | 第35-36页 |
| ·检测效果统计 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 注视区域估计算法 | 第38-56页 |
| ·基本帧分类学习 | 第38-43页 |
| ·状态模型 | 第38-39页 |
| ·头部方向分类器学习 | 第39-43页 |
| ·注视区域估计 | 第43-46页 |
| ·粒子滤波简介 | 第43页 |
| ·注视区域估计算法 | 第43-46页 |
| ·算法验证 | 第46-55页 |
| ·注视区域划分 | 第47-48页 |
| ·注视区域估计 | 第48-51页 |
| ·注视区域频率统计 | 第51-52页 |
| ·与标准数据比对 | 第52-54页 |
| ·与类似系统比对 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64页 |
