驾驶员疲劳检测算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 驾驶员疲劳检测方法 | 第12-15页 |
| 1.2.2 驾驶员眼部跟踪方法 | 第15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 1.4 论文结构及安排 | 第17-19页 |
| 2 图像预处理 | 第19-32页 |
| 2.1 光照变化对人脸图像的影响 | 第19-22页 |
| 2.2 基于局部特征的RETINEX光照补偿方法 | 第22-24页 |
| 2.3 基于空域的变换方法 | 第24-26页 |
| 2.4 基于同态滤波的方法 | 第26-28页 |
| 2.5 实验结果分析 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 驾驶员脸部检测 | 第32-49页 |
| 3.1 人脸检测方法简介 | 第32-35页 |
| 3.1.1 静态图像的人脸检测 | 第32-34页 |
| 3.1.2 动态图像的人脸检测 | 第34-35页 |
| 3.2 基于肤色模型的区域分割 | 第35-42页 |
| 3.2.1 颜色空间选取 | 第36-38页 |
| 3.2.2 建立高斯肤色模型 | 第38-39页 |
| 3.2.3 计算肤色相似度阈值 | 第39-42页 |
| 3.3 基于ADABOOST的人脸精确检测 | 第42-46页 |
| 3.4 实验结果分析 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 4 驾驶员眼睛检测 | 第49-64页 |
| 4.1 眼睛检测算法简介 | 第49-51页 |
| 4.2 基于ADABOOST分类器的眼睛检测 | 第51-56页 |
| 4.2.1 眼睛粗定位 | 第51-52页 |
| 4.2.2 眼睛分类器 | 第52-53页 |
| 4.2.3 基于卡尔曼滤波的眼睛位置预测 | 第53-56页 |
| 4.2.4 实验结果分析 | 第56页 |
| 4.3 基于相关滤波的眼睛检测和跟踪 | 第56-62页 |
| 4.3.1 ASEF滤波器 | 第57-60页 |
| 4.3.2 MOSSE滤波器 | 第60-61页 |
| 4.3.3 改进的MOSSE滤波器 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 5 驾驶员疲劳状态判断 | 第64-71页 |
| 5.1 PERCLOS准则 | 第64-65页 |
| 5.2 眼睛开闭状态识别 | 第65-68页 |
| 5.3 驾驶员疲劳状态判断 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 总结及展望 | 第71-73页 |
| 6.1 本文工作总结 | 第71-72页 |
| 6.2 后续工作展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第76-78页 |
| 学位论文数据集 | 第78页 |
