| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-20页 |
| ·论文的研究背景与意义 | 第11-12页 |
| ·疲劳驾驶检测系统的研究现状与发展趋势 | 第12-17页 |
| ·疲劳检测方法概述 | 第12-13页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·疲劳驾驶检测系统中待发展问题 | 第16-17页 |
| ·课题研究的主要内容与论文结构安排 | 第17-20页 |
| ·主要研究内容 | 第17-18页 |
| ·论文结构安排 | 第18-20页 |
| 第2章 疲劳驾驶检测系统相关技术需求分析 | 第20-28页 |
| ·拟解决的关键问题 | 第20-21页 |
| ·疲劳检测系统中应用到的图像处理技术 | 第21-27页 |
| ·直方图 | 第21-23页 |
| ·图像平滑处理 | 第23-24页 |
| ·灰度变换 | 第24-25页 |
| ·边缘检测 | 第25-27页 |
| ·图像二值化处理 | 第27页 |
| ·小结 | 第27-28页 |
| 第3章 人脸检测方法研究 | 第28-43页 |
| ·人脸检测算法 | 第28-34页 |
| ·基于知识的人脸检测方法 | 第29-31页 |
| ·基于统计的人脸检测算法 | 第31-34页 |
| ·基于 haar 特征的人脸定位 | 第34-39页 |
| ·haar 特征 | 第34-35页 |
| ·haar-like 特征 | 第35-36页 |
| ·haar 特征积分图及其计算 | 第36页 |
| ·haar 矩形特征值的计算 | 第36-38页 |
| ·haar 的分类器 | 第38-39页 |
| ·haar 特征人脸定位结果及分析 | 第39-41页 |
| ·驾驶员位置抖动影响分析 | 第41-42页 |
| ·抖动自适应方法 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第4章 人脸特征提取方法研究 | 第43-61页 |
| ·人眼定位算法 | 第43-45页 |
| ·基于灰度投影的方法 | 第43-44页 |
| ·基于边缘特征分析的方法 | 第44页 |
| ·基于阈值分割的方法 | 第44页 |
| ·基于对称变换的方法 | 第44-45页 |
| ·人嘴定位算法 | 第45-47页 |
| ·基于 AAM 的嘴唇定位算法 | 第45-46页 |
| ·基于 Fisher 线性变换综合定位法 | 第46页 |
| ·基于人脸生理特征的嘴巴定位方法 | 第46页 |
| ·基于人脸几何特征的嘴部定位算法 | 第46-47页 |
| ·基于 AdaBoost 算法的人脸特征提取 | 第47-53页 |
| ·Boosting 算法基本思想 | 第47-48页 |
| ·Adaboost 算法 | 第48-53页 |
| ·人脸特征提取结果及分析 | 第53-55页 |
| ·人眼、人嘴特征定位 | 第54-55页 |
| ·改进的 Adaboost 迭代算法精确定位人眼、人嘴 | 第55-60页 |
| ·区域曝光 | 第57-58页 |
| ·AdaBoost 迭代算法精确定位 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第5章 疲劳特征的提取结果及分析 | 第61-68页 |
| ·疲劳信息的提取 | 第61-63页 |
| ·利用堆栈实现的移动均值平滑算法 | 第62页 |
| ·平滑判断疲劳状态 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·小结 | 第67-68页 |
| 总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第74-75页 |
| 致谢 | 第75-76页 |