| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 论文的研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 疲劳检测方法分类 | 第10-11页 |
| 1.2.1 接触类 | 第10页 |
| 1.2.2 非接触类 | 第10-11页 |
| 1.3 疲劳驾驶识别技术研究现状 | 第11-12页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12页 |
| 1.4 疲劳驾驶识别技术研究内容 | 第12-13页 |
| 1.5 疲劳驾驶识别技术难点 | 第13-14页 |
| 1.6 本文章节安排 | 第14-17页 |
| 第2章 基于 Gentle-Ada Boost 算法的人脸检测 | 第17-29页 |
| 2.1 人脸检测方法概述 | 第17-18页 |
| 2.2 Gentle-Ada Boost 算法 | 第18-24页 |
| 2.2.1 Gentle-Ada Boost 算法介绍 | 第18-19页 |
| 2.2.2 Gentle-Ada Boost 算法原理 | 第19-21页 |
| 2.2.3 Gentle-Ada Boost 算法分类器训练 | 第21-24页 |
| 2.3 Haar 特征 | 第24-25页 |
| 2.4 积分图 | 第25-27页 |
| 2.5 人脸检测实验结果 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于改进 Gentle-Ada Boost 算法的人脸检测 | 第29-39页 |
| 3.1 图像预处理 | 第29-32页 |
| 3.1.1 自动白平衡 | 第29-30页 |
| 3.1.2 图像增强 | 第30-32页 |
| 3.2 均值哈希算法优化 | 第32-33页 |
| 3.3 缓存模块 | 第33-35页 |
| 3.4 实验结果与分析 | 第35-37页 |
| 3.4.1 均值哈希算法优化 | 第35-36页 |
| 3.4.2 缓存优化 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 人眼识别与疲劳判定 | 第39-51页 |
| 4.1 人眼检测方法概述 | 第39-40页 |
| 4.2 模板匹配概述 | 第40页 |
| 4.3 基于寻找最佳阈值的人眼状态判定 | 第40-43页 |
| 4.4 实验结果与分析 | 第43-46页 |
| 4.5 疲劳判定方法概述 | 第46-47页 |
| 4.6 PERCLOS 判定规则 | 第47-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 疲劳驾驶识别的实现 | 第51-59页 |
| 5.1 实验环境 | 第51-52页 |
| 5.1.1 软件环境 | 第51-52页 |
| 5.1.2 硬件环境 | 第52页 |
| 5.2 测试结果与分析 | 第52-56页 |
| 5.3 本章小结 | 第56-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所发表的论文 | 第65-67页 |
| 致谢 | 第67页 |
