| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外对疲劳驾驶检测的研究现状 | 第9-13页 |
| 1.2.1 疲劳检测方法概述 | 第9-11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.2.3 国内研究现状 | 第12-13页 |
| 1.3 主要研究内容和组织结构 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 第2章 基于AdaBoost算法的人脸检测 | 第16-34页 |
| 2.1 人脸检测方法概述 | 第16-18页 |
| 2.2 矩形特征及积分图 | 第18-23页 |
| 2.2.1 Haar-Like特征 | 第19-20页 |
| 2.2.2 积分图 | 第20-23页 |
| 2.3 AdaBoost算法 | 第23-32页 |
| 2.3.1 AdaBoost算法简介 | 第23-24页 |
| 2.3.2 AdaBoost算法原理描述 | 第24-26页 |
| 2.3.3 AdaBoost算法性能分析 | 第26-28页 |
| 2.3.4 级联分类器原理 | 第28-29页 |
| 2.3.5 级联分类器构造算法 | 第29-31页 |
| 2.3.6 级联分类器检测流程 | 第31-32页 |
| 2.4 人脸检测实验结果 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于改进的AdaBoost算法的人眼检测 | 第34-47页 |
| 3.1 AdaBoost算法的退化现象 | 第34页 |
| 3.2 AdaBoost算法的改进 | 第34-37页 |
| 3.3 构造人脸-人眼分类器进行人眼检测 | 第37-38页 |
| 3.3.1 人眼粗定位 | 第37-38页 |
| 3.3.2 构造人脸-人眼分类器 | 第38页 |
| 3.4 人眼检测实验结果及分析 | 第38-46页 |
| 3.4.1 OpenCV简介 | 第38-39页 |
| 3.4.2 训练样本集和预处理 | 第39-42页 |
| 3.4.3 训练分类器 | 第42页 |
| 3.4.4 实验结果和分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 人眼状态识别及疲劳状态检测 | 第47-63页 |
| 4.1 人眼状态识别方法概述 | 第47-49页 |
| 4.2 基于投影法的人眼状态识别 | 第49-54页 |
| 4.2.1 图像的二值化 | 第49-51页 |
| 4.2.2 数学形态学处理 | 第51-53页 |
| 4.2.3 人眼状态的判断 | 第53-54页 |
| 4.3 基于PERCLOS方法的疲劳状态检测 | 第54-58页 |
| 4.3.1 PERCLOS方法检测原理 | 第54-57页 |
| 4.3.2 基于动态PERCLOS辅助眨眼频率的疲劳状态判断 | 第57-58页 |
| 4.4 实验结果及分析 | 第58-61页 |
| 4.4.1 实验平台 | 第58-59页 |
| 4.4.2 实验结果 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |