| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·疲劳驾驶检测难点 | 第10-11页 |
| ·疲劳驾驶检测方法 | 第11-14页 |
| ·疲劳度检测方法对比 | 第14-15页 |
| ·研究目标及方法 | 第15-16页 |
| ·论文结构及研究内容 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第2章 系统模型及优化 | 第17-30页 |
| ·引言 | 第17页 |
| ·RBF人工神经网络 | 第17页 |
| ·仿生智能算法 | 第17-28页 |
| ·GA算法介绍 | 第18-19页 |
| ·PSO算法介绍 | 第19-21页 |
| ·BFO算法介绍 | 第21-28页 |
| ·仿生智能算法优化RBF方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人脸及局部区域检测与追踪 | 第30-48页 |
| ·引言 | 第30页 |
| ·基于Haar-like特征的检测算法 | 第30-35页 |
| ·Haar-like特征 | 第31-33页 |
| ·Adaboost算法 | 第33-34页 |
| ·基于Haar-like特征的Adaboost检测器实验结果 | 第34-35页 |
| ·人脸及局部区域检测算法改进 | 第35-46页 |
| ·光照补偿算法 | 第35-39页 |
| ·TLD追踪算法 | 第39-46页 |
| ·算法实现 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 疲劳检测系统建立 | 第48-60页 |
| ·引言 | 第48页 |
| ·疲劳特征提取 | 第48-54页 |
| ·眼部疲劳特征 | 第48-52页 |
| ·嘴部疲劳特征 | 第52-54页 |
| ·人体疲劳度分级量化 | 第54-55页 |
| ·建立系统模型 | 第55-58页 |
| ·确定RBF人工神经网络模型结构 | 第55-56页 |
| ·运用仿生智能算法优化RBF模型 | 第56-58页 |
| ·系统模型校验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 总结 | 第60-62页 |
| ·研究成果总结 | 第60页 |
| ·进一步研究展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的论文、参加的科研项目和获奖情况 | 第69页 |