| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 本课题研究的依据和背景 | 第8页 |
| 1.2 本课题研究的目的 | 第8-9页 |
| 1.3 驾驶员疲劳检测研究的概述 | 第9-12页 |
| 1.3.1 疲劳驾驶的表现与成因 | 第9-10页 |
| 1.3.2 疲劳驾驶检测方法的分类 | 第10-12页 |
| 1.4 国内外研究现状 | 第12-14页 |
| 1.5 主要研究内容和章节安排 | 第14-16页 |
| 第二章 嵌入式疲劳检测系统的平台设计 | 第16-24页 |
| 2.1 系统需求分析 | 第16-17页 |
| 2.2 系统方案设计 | 第17页 |
| 2.3 嵌入式系统硬件平台设计 | 第17-18页 |
| 2.4 嵌入式系统软件环境搭建 | 第18-23页 |
| 2.4.1 嵌入式 Linux 操作系统 | 第18-19页 |
| 2.4.2 Qt 图形用户界面与 OpenCV 视觉开发库的结合 | 第19-20页 |
| 2.4.3 USB 摄像头在嵌入式 Linux 系统下的图像采集 | 第20-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 人脸的检测与定位 | 第24-44页 |
| 3.1 图像预处理 | 第24-29页 |
| 3.1.1 灰度化 | 第24-25页 |
| 3.1.2 图像滤波 | 第25-26页 |
| 3.1.3 直方图均衡化 | 第26-28页 |
| 3.1.4 ROI 图像处理 | 第28-29页 |
| 3.2 人脸检测算法概述 | 第29-30页 |
| 3.3 基于 Adaboost 的人脸检测算法 | 第30-36页 |
| 3.3.1 Adaboost 算法原理 | 第30-31页 |
| 3.3.2 Haar 特征与训练集 | 第31-33页 |
| 3.3.3 级联型分类器 | 第33-34页 |
| 3.3.4 AdaBoost 算法训练过程 | 第34-36页 |
| 3.4 OpenCV 中 HaarTraining 算法训练 | 第36-38页 |
| 3.5 实验与分析 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 人眼定位的检测方法 | 第44-60页 |
| 4.1 人眼定位方法概述 | 第44-47页 |
| 4.2 基于 AdaBoost 的人眼检测算法 | 第47-48页 |
| 4.3 基于图像区域二值化的人眼定位 | 第48-52页 |
| 4.3.1 图像二值化操作 | 第49-50页 |
| 4.3.2 图像形态学操作 | 第50-52页 |
| 4.4 人眼定位的状态信息 | 第52-53页 |
| 4.4.1 查找轮廓 | 第52页 |
| 4.4.2 轮廓面积计算 | 第52-53页 |
| 4.5 实验与分析 | 第53-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 疲劳状态检测系统 | 第60-67页 |
| 5.1 PERCLOS 的测量原理 | 第60-61页 |
| 5.2 PERCLOS 疲劳检测算法 | 第61-62页 |
| 5.3 嵌入式疲劳检测软件功能 | 第62-64页 |
| 5.4 嵌入式疲劳检测实验结果 | 第64-65页 |
| 5.5 当前产品与本系统的对比 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 研究工作总结 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
