基于视觉的汽车驾驶员疲劳检测技术研究
| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究的目的及意义 | 第7-11页 |
| ·研究的目的 | 第7-9页 |
| ·研究的意义 | 第9-11页 |
| ·驾驶员疲劳检测技术国内、国外研究现状 | 第11-15页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-15页 |
| ·本论文的主要研究内容 | 第15-16页 |
| 第二章 驾驶图像的预处理 | 第16-21页 |
| ·卡尔曼滤波 | 第16-18页 |
| ·光线补偿 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于肤色模型和阈值分割的人脸初步检测 | 第21-27页 |
| ·肤色建模 | 第21-23页 |
| ·YCbCr颜色空间 | 第21-22页 |
| ·高斯肤色模型 | 第22-23页 |
| ·面部区域分割 | 第23-25页 |
| ·二维Otsu算法 | 第23-24页 |
| ·实验结果对比 | 第24-25页 |
| ·结论 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 Adaboost算法的人脸检测 | 第27-37页 |
| ·Adaboost方法概述 | 第27页 |
| ·机器学习 | 第27页 |
| ·强学习与弱学习 | 第27-35页 |
| ·弱学习、强学习 | 第28页 |
| ·矩形特征 | 第28-30页 |
| ·积分图 | 第30-31页 |
| ·Adaboost算法训练 | 第31-33页 |
| ·弱分类器 | 第33页 |
| ·特征值、阈值、方向符 | 第33页 |
| ·弱分类器的训练及选取 | 第33-34页 |
| ·强分类器 | 第34-35页 |
| ·Adaboost算法的人脸检测结果 | 第35-36页 |
| ·本章总结 | 第36-37页 |
| 第五章 驾驶员的疲劳度检测与判定 | 第37-45页 |
| ·疲劳驾驶的检测方法 | 第37-38页 |
| ·接触式测量 | 第37页 |
| ·非接触式的测量 | 第37-38页 |
| ·基于PERCLOS的疲劳状态监测 | 第38-40页 |
| ·PERCLOS与疲劳状态 | 第38-39页 |
| ·驾驶员行车时的眼动记录 | 第39-40页 |
| ·PERCLOS算法研究 | 第40-41页 |
| ·驾驶员眼睛状态的识别 | 第41-42页 |
| ·疲劳驾驶算法的流程图 | 第41-42页 |
| ·嘴部检测 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介 | 第50页 |
| 攻读硕士学位期间研究成果 | 第50-51页 |
