摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
CONTENT | 第10-13页 |
第一章 绪论 | 第13-21页 |
1.1 课题背景及意义 | 第13-14页 |
1.2 疲劳驾驶预警系统研究现状 | 第14-18页 |
1.2.1 基于生理信号的检测方法 | 第15页 |
1.2.2 基于交通工具行为特征的检测方法 | 第15-16页 |
1.2.3 基于计算机视觉的检测方法 | 第16-18页 |
1.3 本文主要的研究内容 | 第18-21页 |
第二章 开发平台的搭建 | 第21-29页 |
2.1 开发平台简介 | 第21页 |
2.1.1 硬件资源 | 第21页 |
2.1.2 软件资源 | 第21页 |
2.2 搭建交叉编译环境 | 第21-22页 |
2.3 搭建TFTP服务器 | 第22页 |
2.4 DVSDK软件包 | 第22-23页 |
2.5 XDC TOOLS的使用 | 第23页 |
2.6 QT移植 | 第23-26页 |
2.6.1 编译安装触摸屏库软件tslib | 第24-25页 |
2.6.2 编译Qt/Embedded | 第25-26页 |
2.7 OPENCV移植 | 第26-29页 |
2.7.1 Opencv移植到DM3730的ARM中 | 第26-27页 |
2.7.2 集成EMCV至Codec Engine中 | 第27-29页 |
第三章 系统实施方案 | 第29-47页 |
3.1 UBOOT、根文件系统、设备驱动程序设计 | 第30-32页 |
3.1.1 启动代码编译及启动SD卡制作 | 第30-31页 |
3.1.2 设置uboot的启动代码 | 第31页 |
3.1.3 V4L2子系统 | 第31-32页 |
3.2 应用层开发设计 | 第32-41页 |
3.2.1 QT交互程序 | 第32-35页 |
3.2.2 APP采集处理程序 | 第35页 |
3.2.3 摄像头操作流程 | 第35-36页 |
3.2.4 Codec Engine机制 | 第36-41页 |
3.3 DSP算法设计 | 第41-43页 |
3.3.1 Codec编译使用 | 第41-42页 |
3.3.2 DSP算法优化 | 第42-43页 |
3.4 集成算法LIB和DSP/BIOS的DSP SERVER设计 | 第43-45页 |
3.5 总体系统集成 | 第45-47页 |
第四章 疲劳信息处理技术 | 第47-77页 |
4.1 图像预处理 | 第48-51页 |
4.1.1 颜色空间转换 | 第48-49页 |
4.1.2 图像滤波 | 第49-51页 |
4.2 原理分析与器件选择 | 第51-57页 |
4.2.1 红眼效应原理 | 第52-53页 |
4.2.2 光源结构与设计 | 第53-55页 |
4.2.3 摄像头及滤光片选择 | 第55-57页 |
4.3 眼部特征提取 | 第57-68页 |
4.3.1 图像差分处理 | 第57-58页 |
4.3.2 图像增强技术 | 第58-61页 |
4.3.3 自适应阈值 | 第61-64页 |
4.3.4 开运算 | 第64-66页 |
4.3.5 人眼定位 | 第66-68页 |
4.4 卡尔曼滤波跟踪定位 | 第68-75页 |
4.4.1 滤波器计算原型 | 第69-70页 |
4.4.2 离散卡尔曼滤波器算法 | 第70-75页 |
4.5 本章小结 | 第75-77页 |
第五章 疲劳状态识别研究 | 第77-93页 |
5.1 眼睛特征参数计算 | 第77页 |
5.2 疲劳程度的判决 | 第77-80页 |
5.2.1 疲劳程度分析方法概述 | 第78-79页 |
5.2.2 PERCLOS测量原理 | 第79-80页 |
5.3 疲劳预警结果及分析 | 第80-91页 |
5.3.1 部分系统检测结果 | 第80-83页 |
5.3.2 光源位置对检测结果的影响 | 第83-86页 |
5.3.3 驾驶员姿态对检测结果影响 | 第86页 |
5.3.4 驾驶室内检测结果 | 第86-90页 |
5.3.5 驾驶员头部运动对结果的影响 | 第90页 |
5.3.6 检测结果分析 | 第90-91页 |
5.4 本章小结 | 第91-93页 |
第六章 总结与展望 | 第93-95页 |
6.1 本文的主要工作内容 | 第93-94页 |
6.2 未来工作的展望 | 第94-95页 |
参考文献 | 第95-99页 |
致谢 | 第99-101页 |
硕士在读期间科研成果介绍 | 第101页 |