| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本论文研究的背景和意义 | 第9-11页 |
| ·国内外研究现状及发展趋势 | 第11-14页 |
| ·国内外研究现状 | 第11-13页 |
| ·发展趋势 | 第13-14页 |
| ·本论文研究的主要内容和结构安排 | 第14-15页 |
| 第2章 针对司机违章使用手机监测系统简介 | 第15-19页 |
| ·司机违章使用手机检测系统原理和算法实现流程 | 第15-17页 |
| ·软件开发工具以及 OpenCV 算法库介绍 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 司机人脸检测 | 第19-42页 |
| ·人脸检测方法概述 | 第20-25页 |
| ·人脸检测方法分类 | 第22-23页 |
| ·基于知识的方法 | 第23页 |
| ·特征不变量方法 | 第23-24页 |
| ·模板匹配的方法 | 第24-25页 |
| ·基于表象的方法 | 第25页 |
| ·人脸检测经典数学模型概述 | 第25-27页 |
| ·神经网络 Neural Network | 第25-26页 |
| ·特征脸 Eigenface | 第26页 |
| ·支持向量机 Support Vector Machine (SVM) | 第26-27页 |
| ·隐马尔科夫模型 Hidden Markov Model (HMM) | 第27页 |
| ·基于 Haar 特征的 AdaBoost 算法 | 第27-40页 |
| ·Haar 特征的提取 | 第28-31页 |
| ·积分图 Integral Image | 第31-32页 |
| ·利用积分图计算 Haar 特征值 | 第32-35页 |
| ·设计 AdaBoost 分类器 | 第35-40页 |
| ·人脸检测实验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 肤色检测 | 第42-61页 |
| ·色彩空间 | 第42-48页 |
| ·RGB 色彩空间 | 第43-44页 |
| ·HSV 色彩空间 | 第44-46页 |
| ·YCbCr 色彩空间 | 第46-48页 |
| ·光线补偿 | 第48-49页 |
| ·图像平滑 | 第49-52页 |
| ·高斯滤波 | 第49-51页 |
| ·中值滤波 | 第51页 |
| ·均值滤波 | 第51-52页 |
| ·滤波模型选择 | 第52页 |
| ·椭圆模型的肤色检测实验 | 第52-59页 |
| ·色彩空间的选取 | 第53页 |
| ·YCbCr 的椭圆模型 | 第53-58页 |
| ·椭圆模型的修正 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 手部区域分离和识别 | 第61-74页 |
| ·形态学变换 | 第61-66页 |
| ·形态学概述 | 第61-62页 |
| ·膨胀运算 | 第62-63页 |
| ·腐蚀运算 | 第63-64页 |
| ·形态学开运算 | 第64-65页 |
| ·形态学闭运算 | 第65-66页 |
| ·提取手部区域 | 第66-68页 |
| ·面部连通区域擦除 | 第66-67页 |
| ·手部区域提取 | 第67-68页 |
| ·轮廓与 Hu 不变矩 | 第68-72页 |
| ·轮廓提取 | 第69-71页 |
| ·Hu 不变矩 | 第71-72页 |
| ·实验结果 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 致谢 | 第83页 |