基于人脸视频的疲劳检测
| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-20页 |
| ·研究背景 | 第8-9页 |
| ·相关研究的概况 | 第9-18页 |
| ·驾驶员的生理信号 | 第9-12页 |
| ·驾驶员的个体特征 | 第12-16页 |
| ·车辆的驾驶状况 | 第16-18页 |
| ·本文的解决思路 | 第18-19页 |
| ·论文的组织 | 第19-20页 |
| 第二章 人脸定位和试验数据 | 第20-29页 |
| ·人脸检测的研究现状 | 第20-23页 |
| ·基于先验知识的方法 | 第21-22页 |
| ·基于后验学习和训练的方法 | 第22-23页 |
| ·基于重心模版匹配的人脸检测 | 第23-25页 |
| ·人脸检测结果 | 第25-26页 |
| ·试验数据 | 第26-29页 |
| 第三章 眼睛闭合的检测 | 第29-48页 |
| ·研究现状 | 第29-32页 |
| ·解决思路 | 第32页 |
| ·局部二值模式（LBP）提取 | 第32-39页 |
| ·AdaBoost 分类器 | 第39-42页 |
| ·弱分类器 | 第39-40页 |
| ·AdaBoost 学习算法 | 第40-42页 |
| ·眼睛闭合判定的验证 | 第42-48页 |
| 第四章 打哈欠的检测 | 第48-60页 |
| ·现有研究方法 | 第48-49页 |
| ·解决思路 | 第49-50页 |
| ·左右嘴角定位 | 第50-52页 |
| ·嘴角特征提取 | 第52-56页 |
| ·Gabor 滤波 | 第52-54页 |
| ·Gabor 特征提取 | 第54-56页 |
| ·基于Fisher 线性判别的分类 | 第56-58页 |
| ·Fisher 线性判别的原理 | 第56页 |
| ·Fisher 线性判别的实现 | 第56-58页 |
| ·打哈欠判定的验证 | 第58-60页 |
| 第五章 基于融合的检测疲劳和系统的实现 | 第60-69页 |
| ·融合多个特征 | 第60-63页 |
| ·基于LDA 的信息融合 | 第63-64页 |
| ·本文融合方法的验证 | 第64-65页 |
| ·系统流程图 | 第65-66页 |
| ·系统流程图 | 第65页 |
| ·预处理的流程图 | 第65页 |
| ·眼部处理的流程图 | 第65-66页 |
| ·嘴部处理的流程图 | 第66页 |
| ·原型系统实现 | 第66-69页 |
| 第六章 结论 | 第69-71页 |
| ·总结 | 第69页 |
| ·后续工作 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 摘要 | 第76-80页 |
| Abstract | 第80-84页 |
| 致谢 | 第84页 |
