基于图像的驾驶员疲劳表情识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景和意义 | 第9-11页 |
| ·驾驶员疲劳状态研究现状 | 第11-15页 |
| ·基于统计的方法 | 第13-14页 |
| ·基于变换域方法 | 第14-15页 |
| ·基于模糊理论和粗糙集的方法 | 第15页 |
| ·基于仿生算法的方法 | 第15页 |
| ·国内外疲劳状态研究现状 | 第15-16页 |
| ·本文的主要内容及工作 | 第16-17页 |
| ·本文的整体框架 | 第17-19页 |
| 第二章 人脸检测 | 第19-32页 |
| ·引言 | 第19页 |
| ·人脸检测方法 | 第19-20页 |
| ·基于AdaBoost算法的人脸检测 | 第20-27页 |
| ·人脸特征提取 | 第20-25页 |
| ·Haar-Like特征提取 | 第20-21页 |
| ·积分图及特征计算 | 第21-25页 |
| ·AdaBoost算法及结构 | 第25-27页 |
| ·实验结果 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 人眼检测及异或疲劳表情特征提取 | 第32-46页 |
| ·引言 | 第32-33页 |
| ·人眼检测的方法 | 第33-35页 |
| ·基于ASM模型的人眼定位及特征提取 | 第35-42页 |
| ·训练集的标定 | 第35-36页 |
| ·建立形状模型 | 第36-42页 |
| ·人眼检测实验结果 | 第42-43页 |
| ·异或(XOR)人眼特征提取 | 第43-44页 |
| ·异或人眼特征提取原理 | 第43页 |
| ·异或人眼特征提取结果 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 驾驶员疲劳表情识别 | 第46-55页 |
| ·引言 | 第46页 |
| ·几类常见的识别算法 | 第46-48页 |
| ·模糊模式识别法 | 第46-47页 |
| ·统计模式识别法 | 第47-48页 |
| ·基于人工神经网络的识别法 | 第48页 |
| ·基于BP神经网络的疲劳表情识别 | 第48-53页 |
| ·BP神经网络模型 | 第48-51页 |
| ·BP神经网络在驾驶员疲劳状态识别中的应用 | 第51-53页 |
| ·实验结果 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·本文总结 | 第55-56页 |
| ·本文的工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第61页 |
