| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 背景及意义 | 第9-10页 |
| 1.2 疲劳驾驶相关概念 | 第10-11页 |
| 1.2.1 疲劳驾驶定义 | 第10页 |
| 1.2.2 疲劳驾驶的机理 | 第10-11页 |
| 1.3 疲劳驾驶研究现状 | 第11-13页 |
| 1.4 本文主要内容及组织结构 | 第13-15页 |
| 第二章 基于人脸特征融合的疲劳检测系统概述 | 第15-20页 |
| 2.1 视频图像采集 | 第15页 |
| 2.2 视频图像处理 | 第15-16页 |
| 2.3 特征信息分析 | 第16-18页 |
| 2.4 疲劳驾驶检测系统的要求 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 人脸检测 | 第20-45页 |
| 3.1 图像预处理 | 第20-24页 |
| 3.1.1 图像灰度化 | 第20-22页 |
| 3.1.2 图像去噪 | 第22-23页 |
| 3.1.3 光照补偿 | 第23-24页 |
| 3.2 驾驶员头部定位 | 第24-28页 |
| 3.2.1 帧间差分法 | 第24-25页 |
| 3.2.2 背景差分法 | 第25-28页 |
| 3.3 人脸检测的常用方法 | 第28-34页 |
| 3.3.1 基于几何特征的检测方法 | 第29-31页 |
| 3.3.2 基于肤色模型的检测方法 | 第31-32页 |
| 3.3.3 基于统计理论的检测方法 | 第32-34页 |
| 3.4 人脸检测方法的性能指标 | 第34-35页 |
| 3.5 基于Haar-like特征的AdaBoost人脸检测算法 | 第35-43页 |
| 3.5.1 AdaBoost算法 | 第36-38页 |
| 3.5.2 Haar特征空间 | 第38-39页 |
| 3.5.3 积分图像 | 第39-41页 |
| 3.5.4 AdaBoost算法的实现 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 人脸特征提取 | 第45-55页 |
| 4.1 人眼定位 | 第45-50页 |
| 4.1.1 人眼检测常用方法 | 第45-46页 |
| 4.1.2 积分投影和模板匹配结合定位人眼 | 第46-50页 |
| 4.2 嘴部定位 | 第50-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 疲劳状态分析 | 第55-65页 |
| 5.1 基于眼部状态疲劳检测 | 第55-58页 |
| 5.1.1 PERCLOS | 第55-58页 |
| 5.1.2 PERCLOS眼部疲劳检测方法 | 第58页 |
| 5.2 基于嘴部状态疲劳检测方法 | 第58-60页 |
| 5.3 基于眼部和嘴部状态融合的疲劳检测方法 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 总结和展望 | 第65-66页 |
| 6.1 本文总结 | 第65页 |
| 6.2 本文展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读研究生期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |