| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 论文的主要内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 理论基础分析与系统底层构建 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 检测系统的理论基础研究与分析 | 第17-24页 |
| 2.2.1 多源信息融合技术在疲劳检测技术中的应用 | 第17-18页 |
| 2.2.2 多源信息融合技术在疲劳检测中的优势 | 第18-19页 |
| 2.2.3 信息融合系统的功能能模型 | 第19-20页 |
| 2.2.4 检测系统中信息融合结构模型的分析与选择 | 第20-23页 |
| 2.2.5 疲劳检测系统中融合算法的设计 | 第23-24页 |
| 2.3 疲劳检测系统的架构 | 第24-27页 |
| 2.3.1 系统设计概述 | 第24-25页 |
| 2.3.2 Linux内核在检测系统前端的移植 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 疲劳特征分析 | 第28-45页 |
| 3.1 引言 | 第28页 |
| 3.2 疲劳特征研究的实验范式 | 第28-31页 |
| 3.2.1 模拟驾驶实验环境 | 第28页 |
| 3.2.2 疲劳状态的标定 | 第28-29页 |
| 3.2.3 模拟驾驶实验过程说明 | 第29-31页 |
| 3.3 基于面部特征的驾驶员疲劳状态分析 | 第31-39页 |
| 3.3.1 眼部特征的提取 | 第31页 |
| 3.3.2 结合MCT特性的Adaboost算法在驾驶员面部识别中的应用 | 第31-35页 |
| 3.3.3 眼部特征与驾驶员疲劳状态分析 | 第35-37页 |
| 3.3.4 实验结果与分析 | 第37-39页 |
| 3.4 基于生理信号的驾驶员疲劳状态分析 | 第39-42页 |
| 3.4.1 心率信号与脉搏信号概述 | 第39页 |
| 3.4.2 生理信号与疲劳分析 | 第39-40页 |
| 3.4.3 实验结果与分析 | 第40-42页 |
| 3.5 基于驾驶行为的驾驶员疲劳状态分析 | 第42-44页 |
| 3.5.1 驾驶行为特征概述 | 第42页 |
| 3.5.2 驾驶员驾驶行为与疲劳分析 | 第42页 |
| 3.5.3 实验结果与分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 多源信息融合疲劳检测系统的建模 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 疲劳度评价参数的构建 | 第45-52页 |
| 4.2.1 基于图像特征的疲劳度评价参数构建 | 第46-47页 |
| 4.2.2 基于生理信号的疲劳度评价参数构建 | 第47-48页 |
| 4.2.3 驾驶行为的疲劳度评价参数构建 | 第48-52页 |
| 4.3 疲劳检测系统的模型构建 | 第52-57页 |
| 4.3.1 基于模糊评价的疲劳检测系统模型构建 | 第52-53页 |
| 4.3.2 基于模糊神经网络的疲劳检测系统模型构建 | 第53-54页 |
| 4.3.3 融合结果与性能分析 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 多源信息融合疲劳检测系统的设计实现 | 第58-69页 |
| 5.1 引言 | 第58页 |
| 5.2 检测系统前端的设计实现 | 第58-65页 |
| 5.2.1 生理信号监测模块的设计实现 | 第59-60页 |
| 5.2.2 方向盘监测模块的设计实现 | 第60-62页 |
| 5.2.3 图像监测模块的设计实现 | 第62-63页 |
| 5.2.4 网络通讯模块的设计实现 | 第63-65页 |
| 5.3 后端查询系统的设计实现 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第78页 |
