基于人眼状态的疲劳驾驶检测技术的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| 1.1 本课题研究的背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 基于生理信号的疲劳检测 | 第9页 |
| 1.2.2 基于驾驶人生理反应特征的检测 | 第9-11页 |
| 1.2.3 基于车辆行驶状态参数的检测 | 第11页 |
| 1.3 论文主要工作以及内容安排 | 第11-13页 |
| 2 驾驶员人脸检测与定位 | 第13-24页 |
| 2.1 常用的人脸检测方法介绍 | 第13-15页 |
| 2.2 基于级联Adaboost算法的人脸定位 | 第15-22页 |
| 2.2.1 Haar-like特征与积分图 | 第15-19页 |
| 2.2.2 分类器的训练 | 第19-21页 |
| 2.2.3 分类器的级联 | 第21-22页 |
| 2.3 人脸检测实验结果 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 人眼定位 | 第24-43页 |
| 3.1 人眼定位算法简介 | 第24-25页 |
| 3.2 人脸区域预处理以及人眼检测区域选择 | 第25-28页 |
| 3.2.1 人脸区域选择 | 第25-26页 |
| 3.2.2 人眼检测区域选择与尺度归一化 | 第26-28页 |
| 3.3 基于径向对称变换的人眼定位 | 第28-34页 |
| 3.3.1 径向对称变换原理 | 第28-30页 |
| 3.3.2 眼睛定位 | 第30-34页 |
| 3.4 基于LBP模板匹配的人眼定位 | 第34-38页 |
| 3.4.1 LBP介绍 | 第34-36页 |
| 3.4.2 眼睛定位 | 第36-38页 |
| 3.5 本文使用的人眼定位算法 | 第38-39页 |
| 3.6 实验结果 | 第39-42页 |
| 3.7 小结 | 第42-43页 |
| 4 人眼状态判别 | 第43-54页 |
| 4.1 人眼状态判别方法简介 | 第43页 |
| 4.2 基于PCA误差重建分析的人眼状态判别 | 第43-46页 |
| 4.2.1 PCA算法 | 第44页 |
| 4.2.2 样本准备和训练 | 第44-45页 |
| 4.2.3 重建与状态判别 | 第45-46页 |
| 4.3 基于稀疏表示的人眼状态判别 | 第46-51页 |
| 4.3.1 稀疏表示理论介绍 | 第46页 |
| 4.3.2 稀疏表示与字典训练 | 第46-49页 |
| 4.3.3 状态判别 | 第49-51页 |
| 4.4 实验结果 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 驾驶员疲劳检测 | 第54-61页 |
| 5.1 PERCLOS算法原理以及疲劳驾驶判定 | 第54-55页 |
| 5.2 系统平台介绍 | 第55-58页 |
| 5.3 实验结果与分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 未来工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
