| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 支持向量机的研究现状 | 第9-10页 |
| 1.2.2 疲劳驾驶的研究现状 | 第10-15页 |
| 1.3 本文的研究内容与组织结构 | 第15-18页 |
| 2 疲劳驾驶检测总体设计 | 第18-25页 |
| 2.1 人脸检测算法 | 第18-19页 |
| 2.2 人眼检测算法 | 第19-21页 |
| 2.3 头部姿态估计 | 第21-22页 |
| 2.4 疲劳驾驶检测总体设计 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于肤色检测和AdaBoost算法的人脸检测方法研究 | 第25-35页 |
| 3.1 图像预处理 | 第25页 |
| 3.2 常用的色彩空间 | 第25-27页 |
| 3.3 基于AdaBoost算法的人脸检测 | 第27-33页 |
| 3.3.1 Haar-like矩形 | 第28-29页 |
| 3.3.2 使用积分图计算特征值 | 第29-32页 |
| 3.3.3 建立级联分类器 | 第32-33页 |
| 3.3.4 AdaBoost检测算法 | 第33页 |
| 3.4 基于肤色检测和AdaBoost算法的人脸检测实现 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 疲劳参数提取 | 第35-45页 |
| 4.1 眼睛状态检测 | 第35-38页 |
| 4.1.1 Harris角点检测算法 | 第35-36页 |
| 4.1.2 眼睛定位 | 第36-37页 |
| 4.1.3 计算眼睛状态 | 第37-38页 |
| 4.2 头部姿态估计 | 第38-43页 |
| 4.2.1 头部姿态分析 | 第38-42页 |
| 4.2.2 实验测试 | 第42-43页 |
| 4.3 本章小结 | 第43-45页 |
| 5 基于支持向量机的疲劳判断方法研究 | 第45-57页 |
| 5.1 支持向量机理论 | 第45-48页 |
| 5.2 对传统支持向量机的改进 | 第48-53页 |
| 5.3 支持向量机在疲劳判断中的应用 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-64页 |