| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 疲劳驾驶检测方法概述 | 第13-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.2.3 国内研究现状 | 第15-16页 |
| 1.3 疲劳驾驶检测技术难点 | 第16-17页 |
| 1.4 论文主要研究内容及结构 | 第17-20页 |
| 第2章 基于Zynq的汽车驾驶员疲劳检测系统的总体结构 | 第20-28页 |
| 2.1 系统总体结构 | 第20-21页 |
| 2.2 Zynq平台简介 | 第21-24页 |
| 2.2.1 体系结构 | 第21-23页 |
| 2.2.2 AXI协议 | 第23页 |
| 2.2.3 PS和PL接口 | 第23-24页 |
| 2.3 ZedBoard开发板 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 驾驶员疲劳检测相关算法 | 第28-54页 |
| 3.1 驾驶员疲劳检测流程概述 | 第28-29页 |
| 3.2 人脸检测模块 | 第29-37页 |
| 3.2.1 基于肤色模型区域分割 | 第29-30页 |
| 3.2.2 Adaboost算法人脸检测 | 第30-36页 |
| 3.2.3 肤色特征结合Adaboost算法人脸检测 | 第36-37页 |
| 3.3 人脸跟踪模块 | 第37-44页 |
| 3.3.1 卡尔曼滤波器 | 第37-40页 |
| 3.3.2 Mean Shift算法 | 第40-42页 |
| 3.3.3 卡尔曼滤波器和Mean Shift算法结合的人脸跟踪 | 第42-43页 |
| 3.3.4 实验结果及分析 | 第43-44页 |
| 3.4 特征参数提取模块 | 第44-51页 |
| 3.4.1 眼睛和嘴巴粗定位 | 第44-45页 |
| 3.4.2 眼睛和嘴巴精确定位 | 第45-48页 |
| 3.4.3 最小二乘法椭圆拟合人眼轮廓 | 第48-50页 |
| 3.4.4 眼睛和嘴巴开合状态判断 | 第50-51页 |
| 3.5 疲劳判定模块 | 第51-53页 |
| 3.5.1 PERCLOS准则 | 第51-52页 |
| 3.5.2 疲劳状态判别 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 系统硬件设计 | 第54-84页 |
| 4.1 Vivado HLS工具 | 第54-56页 |
| 4.1.1 Vivado HLS介绍 | 第54页 |
| 4.1.2 Vivado HLS设计流程 | 第54-56页 |
| 4.2 自定义IP核的设计 | 第56-64页 |
| 4.2.1 灰度线性变换 | 第56-57页 |
| 4.2.2 Sobel边缘检测 | 第57-58页 |
| 4.2.3 最大类间方差法二值化 | 第58-60页 |
| 4.2.4 形态学闭操作 | 第60页 |
| 4.2.5 整个硬件加速IP核功能打包实现 | 第60-64页 |
| 4.3 Adaboost算法人脸检测硬件实现 | 第64-75页 |
| 4.4 VDMA IP核介绍 | 第75-76页 |
| 4.5 系统显示模块介绍 | 第76-78页 |
| 4.6 系统音频模块介绍 | 第78-79页 |
| 4.7 硬件工程搭建 | 第79-82页 |
| 4.8 本章小结 | 第82-84页 |
| 第5章 系统软件设计 | 第84-94页 |
| 5.1 Linaro系统移植 | 第84-88页 |
| 5.2 VDMA和硬件加速IP核驱动设计 | 第88-89页 |
| 5.3 软件工程设计 | 第89-92页 |
| 5.4 本章小结 | 第92-94页 |
| 第6章 系统调试与实验结果分析 | 第94-102页 |
| 6.1 硬件搭建 | 第94-95页 |
| 6.2 系统性能测试与实验结果分析 | 第95-99页 |
| 6.2.1 硬件加速对比分析 | 第95-96页 |
| 6.2.2 系统实验与结果分析 | 第96-99页 |
| 6.3 器件资源利用率及功耗 | 第99-100页 |
| 6.4 本章小结 | 第100-102页 |
| 第7章 总结与展望 | 第102-104页 |
| 7.1 总结 | 第102-103页 |
| 7.2 展望 | 第103-104页 |
| 参考文献 | 第104-109页 |
| 致谢 | 第109-110页 |
| 作者简介 | 第110页 |
