| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-11页 |
| 表格索引 | 第11-12页 |
| 插图索引 | 第12-14页 |
| 主要符号对照表 | 第14-15页 |
| 第一章 绪论 | 第15-21页 |
| ·背景及意义 | 第15-16页 |
| ·国内外研究现状 | 第16-19页 |
| ·警觉度状态的描述 | 第18页 |
| ·基于视频人脸图像的警觉度标注方法 | 第18页 |
| ·基于视频人脸图像的警觉度估计 | 第18-19页 |
| ·研究内容 | 第19-20页 |
| ·章节内容 | 第20-21页 |
| 第二章 人脸检测、器官定位 | 第21-25页 |
| ·人脸检测 | 第21-22页 |
| ·人脸器官精确定位 | 第22-24页 |
| ·主动外观模型（Active Appearance Model） | 第22-23页 |
| ·提取人脸器官特征的预处理 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 朴素的警觉度估计 | 第25-37页 |
| ·PERCLOS 特征 | 第25-27页 |
| ·计算眼睛闭合程度 | 第27-32页 |
| ·朴素像素检测 | 第27-30页 |
| ·图像梯度方法 | 第30-32页 |
| ·提取打哈欠特征 | 第32-33页 |
| ·警觉度预测系统 | 第33-34页 |
| ·本章小结 | 第34-37页 |
| 第四章 驾驶员性别分类 | 第37-45页 |
| ·性别分类方法 | 第37-38页 |
| ·相关研究工作 | 第38-39页 |
| ·人脸特征 | 第39-43页 |
| ·主成分分析 | 第40-42页 |
| ·线性判别分析 | 第42-43页 |
| ·局部二值模式 | 第43页 |
| ·局部小波二值映射模式 | 第43页 |
| ·人脸性别识别 | 第43-44页 |
| ·容易出现的错误 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 多角度人脸性别分类 | 第45-67页 |
| ·相关研究工作 | 第46-47页 |
| ·将人脸图像进行角度分类的作用 | 第47-48页 |
| ·人脸图像特征分析 | 第48-49页 |
| ·人脸图像特征提取 | 第49-62页 |
| ·局部二值模式 | 第49-53页 |
| ·局部小波二值映射模式 | 第53-55页 |
| ·多分辨率特征提取 | 第55-56页 |
| ·优点分析 | 第56页 |
| ·特征降维 | 第56-59页 |
| ·角度分类降维 | 第59-62页 |
| ·本文的角度分类 | 第62-64页 |
| ·人脸对称性的应用 | 第62-64页 |
| ·对不同角度类别的特别切割 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第六章 多分类器融合 | 第67-73页 |
| ·多分类器融合意义 | 第67-68页 |
| ·驾驶员警觉度估计中的应用 | 第67页 |
| ·人脸性别分类中的应用 | 第67-68页 |
| ·多分类器融合方法介绍 | 第68-71页 |
| ·多分类器融合方法分类 | 第68-69页 |
| ·简单算术运算规则融合 | 第69页 |
| ·模糊积分 | 第69-70页 |
| ·多核学习 | 第70-71页 |
| ·支持向量机 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第七章 改进的警觉度估计算法 | 第73-79页 |
| ·评价标准 | 第73页 |
| ·提取特征 | 第73-76页 |
| ·视频图像特征 | 第73-75页 |
| ·眼电特征 | 第75-76页 |
| ·线性动力系统 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第八章 实验分析 | 第79-95页 |
| ·多角度人脸性别分类实验 | 第79-86页 |
| ·图像数据库 | 第79-80页 |
| ·数据预处理 | 第80-83页 |
| ·特征提取 | 第83-84页 |
| ·分类结果 | 第84-86页 |
| ·多分类器融合实验 | 第86-88页 |
| ·实验准备 | 第86-87页 |
| ·实验结果 | 第87-88页 |
| ·改进的驾驶员警觉度估计算法 | 第88-93页 |
| ·本章小结 | 第93-95页 |
| 第九章 总结与展望总结与展望 | 第95-97页 |
| ·全文总结 | 第95-96页 |
| ·未来展望 | 第96-97页 |
| 参考文献 | 第97-105页 |
| 致谢 | 第105-107页 |
| 攻读学位期间发表的学术论文目录 | 第107页 |