| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| §1-1 驾驶疲劳检测的意义 | 第8-9页 |
| §1-2 驾驶疲劳检测的研究现状 | 第9-17页 |
| 1-2-1 驾驶疲劳检测的分类 | 第9-13页 |
| 1-2-2 驾驶疲劳检测目前研究成果 | 第13-15页 |
| 1-2-3 本论文研究思路以及算法流程 | 第15-17页 |
| §1-3 本论文的主要研究工作 | 第17-18页 |
| 第二章 驾驶疲劳图像检测的实验设计 | 第18-24页 |
| §2-1 疲劳驾驶模拟实验的实验仪器介绍与图像采集 | 第18-22页 |
| 2-1-1 实验仪器 | 第18-22页 |
| 2-1-2 实验数据采集 | 第22页 |
| §2-2 视频信号的处理 | 第22-23页 |
| §2-3 本章小结 | 第23-24页 |
| 第三章 驾驶员的面部检测方法研究 | 第24-36页 |
| §3-1 人脸检测的 Adaboost 算法研究 | 第24-28页 |
| 3-1-1 Haar 特征及特征值计算 | 第25-26页 |
| 3-1-2 积分图及利用积分图计算特征值 | 第26-28页 |
| §3-2 人脸检测的实现 | 第28-34页 |
| 3-2-1 Adaboost 算法的实现步骤 | 第28-30页 |
| 3-2-2 样本的创建 | 第30-31页 |
| 3-2-3 训练分类器 | 第31-34页 |
| §3-3 实验分析 | 第34-35页 |
| §3-4 本章小结 | 第35-36页 |
| 第四章 眼部定位的方法研究 | 第36-40页 |
| §4-1 对眼部进行定位的模板匹配方法研究 | 第36-37页 |
| §4-2 实验结果与分析 | 第37-39页 |
| §4-3 本章小节 | 第39-40页 |
| 第五章 疲劳状态的判断 | 第40-46页 |
| §5-1 基于眼睛信息的疲劳判断依据 | 第40页 |
| §5-2 特征向量的提取 | 第40-41页 |
| §5-3 支持向量机的方法研究 | 第41-44页 |
| 5-3-1 线性可分 | 第42-43页 |
| 5-3-2 核函数 | 第43页 |
| 5-3-3 惩罚因子和 degree 参数选择 | 第43-44页 |
| §5-4 驾驶疲劳状态的判断 | 第44-45页 |
| §5-5 本章小结 | 第45-46页 |
| 第六章 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |