驾驶员疲劳状态检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·驾驶员疲劳状态检测的研究现状 | 第8-12页 |
| ·基于主观测评和直接调查的方法 | 第9页 |
| ·基于驾驶员生理信号的方法 | 第9-10页 |
| ·基于车辆参数的方法 | 第10-11页 |
| ·基于驾驶员个体特征的方法 | 第11-12页 |
| ·常用驾驶员疲劳状态检测方法比较与选择 | 第12页 |
| ·眼睛状态判断研究现状 | 第12-13页 |
| ·论文的研究内容 | 第13-15页 |
| 2 AdaBoost基本理论 | 第15-23页 |
| ·AdaBoost基本算法原理描述 | 第15-16页 |
| ·基于AdaBoost的目标检测 | 第16-23页 |
| ·Harr-like特征 | 第16-18页 |
| ·积分图 | 第18-19页 |
| ·弱分类器 | 第19-20页 |
| ·强分类器 | 第20-21页 |
| ·级联分类器 | 第21-23页 |
| 3 基于AdaBoost的眼睛状态判断 | 第23-35页 |
| ·眼睛状态判断样本收集 | 第23-25页 |
| ·使用的人脸库介绍 | 第23-24页 |
| ·正样本的组织 | 第24页 |
| ·负样本的组织 | 第24-25页 |
| ·测试样本的组织 | 第25页 |
| ·眼睛状态分类器训练 | 第25-26页 |
| ·眼睛状态分类器性能测试 | 第26-34页 |
| ·评价标准 | 第26-27页 |
| ·性能测试与分析 | 第27-34页 |
| ·小结 | 第34-35页 |
| 4 驾驶疲劳特性研究 | 第35-45页 |
| ·基于PVT的驾驶疲劳状态等级量化 | 第35-39页 |
| ·PVT基本理论 | 第35-36页 |
| ·基于PVT的驾驶模拟视频拍摄 | 第36-37页 |
| ·基于PVT的疲劳状态等级量化 | 第37-39页 |
| ·眼睛疲劳参数与疲劳状态等级的相关性研究 | 第39-45页 |
| ·眼睛疲劳参数 | 第40-41页 |
| ·眼睛疲劳参数与疲劳状态等级的相关性分析 | 第41-45页 |
| 5 基于模糊推理系统的疲劳状态判断 | 第45-55页 |
| ·自适应模糊神经网络基本理论 | 第45-49页 |
| ·模糊推理基本理论 | 第45-46页 |
| ·神经网络基本理论 | 第46-47页 |
| ·自适应模糊神经网络基本理论 | 第47-49页 |
| ·自适应模糊神经网络训练 | 第49-52页 |
| ·训练数据的准备 | 第49-50页 |
| ·训练参数设置 | 第50-52页 |
| ·疲劳状态判断结果分析 | 第52-55页 |
| 6 驾驶员疲劳状态检测软件系统 | 第55-57页 |
| 7 总结与展望 | 第57-59页 |
| ·工作总结 | 第57-58页 |
| ·工作展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-63页 |
