基于红外视频的驾驶员疲劳检测研究
| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 目次 | 第10-13页 |
| 图清单 | 第13-14页 |
| 表清单 | 第14-15页 |
| 1 绪论 | 第15-22页 |
| ·研究背景与意义 | 第15-16页 |
| ·疲劳驾驶检测方法 | 第16-18页 |
| ·疲劳驾驶的概念 | 第16页 |
| ·疲劳驾驶检测方法 | 第16-18页 |
| ·驾驶员疲劳检测国内外研究现状 | 第18-21页 |
| ·国外研究现状 | 第18-19页 |
| ·国内研究现状 | 第19-21页 |
| ·本论文研究内容及安排 | 第21-22页 |
| 2 驾驶员疲劳检测系统组成 | 第22-33页 |
| ·基于 PERCLOS 理论的疲劳检测系统 | 第22-23页 |
| ·基于 DSP 的疲劳检测系统 | 第22-23页 |
| ·基于 PC 机的疲劳检测系统 | 第23页 |
| ·系统的设计思路与原则 | 第23-24页 |
| ·系统的硬件组成 | 第24-29页 |
| ·红外成像原理 | 第25-26页 |
| ·硬件设备的选择 | 第26-29页 |
| ·系统软件流程 | 第29-30页 |
| ·人脸检测模块 | 第29-30页 |
| ·人脸跟踪模块 | 第30页 |
| ·人眼检测模块 | 第30页 |
| ·疲劳识别模块 | 第30页 |
| ·红外人脸特性与图像预处理 | 第30-32页 |
| ·红外人脸特性 | 第30-31页 |
| ·红外图像预处理 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 人脸检测与人脸跟踪 | 第33-49页 |
| ·引言 | 第33页 |
| ·人脸检测综述 | 第33-35页 |
| ·二维熵分割与连通区域相结合的人脸检测 | 第35-43页 |
| ·熵的概念 | 第35-36页 |
| ·二维熵分割算法 | 第36-39页 |
| ·识别人脸区域 | 第39-41页 |
| ·实验结果分析 | 第41-43页 |
| ·人脸跟踪 | 第43-48页 |
| ·人脸跟踪技术简述 | 第43-44页 |
| ·Mean-shift 算法原理 | 第44-45页 |
| ·改进的 Mean-shift 算法 | 第45-46页 |
| ·基于改进 Mean-shift 算法的人脸跟踪 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于代价敏感支持向量机的人眼检测 | 第49-65页 |
| ·引言 | 第49-50页 |
| ·人眼检测方法概述 | 第50-51页 |
| ·代价敏感支持向量机的设计 | 第51-55页 |
| ·代价敏感问题的提出 | 第51-52页 |
| ·代价敏感支持向量机的数学描述 | 第52-53页 |
| ·分类可靠性的评估 | 第53-54页 |
| ·误分类率和拒识率的计算 | 第54-55页 |
| ·眼睛检测 | 第55-58页 |
| ·特征提取 | 第55-56页 |
| ·基于先验知识选取眉眼区域 | 第56页 |
| ·基于代价敏感支持向量机的精确人眼检测 | 第56-58页 |
| ·实验结果与分析 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 5 驾驶员疲劳状态检测 | 第65-73页 |
| ·引言 | 第65页 |
| ·疲劳检测原理 | 第65-68页 |
| ·PERCLOS 方法简介 | 第65-67页 |
| ·PERCLOS 疲劳检测原理 | 第67-68页 |
| ·眼睛闭合程度的计算 | 第68页 |
| ·实验结果与分析 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·工作展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 作者简历 | 第78页 |
