| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 课题技术背景 | 第13页 |
| 1.2 视线追踪技术的应用 | 第13-15页 |
| 1.2.1 视线追踪技术在人机交互中的应用 | 第13-15页 |
| 1.2.2 视线追踪技术在车辆辅助驾驶中的应用 | 第15页 |
| 1.2.3 视线追踪技术在人因分析中的应用 | 第15页 |
| 1.3 基于数字视频分析(VOG)的视线追踪方法 | 第15-19页 |
| 1.3.1 基于数字视频分析的视线追踪技术组成 | 第15-17页 |
| 1.3.2 数字视频分析的视线追踪系统分类 | 第17-19页 |
| 1.4 视线追踪技术回顾 | 第19-22页 |
| 1.4.1 直接观察法 | 第20页 |
| 1.4.2 机械记录法 | 第20-21页 |
| 1.4.3 电流记录法和电磁感应法 | 第21页 |
| 1.4.4 光学记录法 | 第21-22页 |
| 1.5 当前国内外研究进展 | 第22-27页 |
| 1.5.1 国外研究进展 | 第22-23页 |
| 1.5.2 国内相关工作 | 第23-27页 |
| 1.6 视线追踪技术的热点和难点 | 第27-28页 |
| 1.7 本文主要研究工作 | 第28-31页 |
| 第2章 人脸及人眼定位 | 第31-51页 |
| 2.1 人脸定位方法简介 | 第31-32页 |
| 2.2 Adaboost介绍 | 第32-36页 |
| 2.2.1 积分图像和Haar特征 | 第32-34页 |
| 2.2.2 Adaboost算法 | 第34-35页 |
| 2.2.3 级联强分类器 | 第35-36页 |
| 2.3 肤色模型 | 第36-38页 |
| 2.3.1 常用彩色空间 | 第36-37页 |
| 2.3.2 肤色模型的选择 | 第37-38页 |
| 2.4 人脸和人眼定位 | 第38-44页 |
| 2.4.1 基于肤色模型和Adaboost方法的人脸定位 | 第39-41页 |
| 2.4.2 人眼定位 | 第41-44页 |
| 2.5 人眼特征检测及视线参数检测 | 第44-50页 |
| 2.5.1 人眼特征检测 | 第44-46页 |
| 2.5.2 实验结果与分析 | 第46-50页 |
| 2.6 本章小结 | 第50-51页 |
| 第3章 基于ELM的视线参数到视线落点映射模型 | 第51-68页 |
| 3.1 神经网络基础 | 第51-56页 |
| 3.1.1 人工神经元的基本模型 | 第52-54页 |
| 3.1.2 神经网络的拓扑结构 | 第54-55页 |
| 3.1.3 神经网络的信息流向类型 | 第55页 |
| 3.1.4 神经网络的学习 | 第55-56页 |
| 3.2 极限学习机(ELM)的基本原理 | 第56-58页 |
| 3.3 极限学习机(ELM)应用的简要综述 | 第58-59页 |
| 3.4 基于极限学习机的视线落点估计方法 | 第59-61页 |
| 3.4.1 视线映射模型 | 第59-60页 |
| 3.4.2 基于极限学习机的视线落点映射模型 | 第60-61页 |
| 3.5 实验结果及分析 | 第61-67页 |
| 3.5.1 采用多项式映射模型和ELM视线落点估计的对比实验结果 | 第62-63页 |
| 3.5.2 从视线落点分布的不同角度训练视线落点实验结果 | 第63-65页 |
| 3.5.3 采用不同神经元训练的实验结果 | 第65页 |
| 3.5.4 增加ELM的分类数量的实验结果 | 第65-66页 |
| 3.5.5 分别从不同角度训练样本集的实验结果 | 第66-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第4章 头动状态下的视线落点补偿方法 | 第68-84页 |
| 4.1 坐标转换 | 第68-70页 |
| 4.1.1 平移变换 | 第69页 |
| 4.1.2 旋转变换 | 第69-70页 |
| 4.2 小孔成像模型 | 第70-71页 |
| 4.3 摄像机模型 | 第71-75页 |
| 4.3.2 摄像机模型 | 第71-75页 |
| 4.4 平移头动状态下的视线落点补偿 | 第75-83页 |
| 4.4.1 使用者与屏幕的深度平移补偿 | 第75-76页 |
| 4.4.2 使用者与屏幕的平面平移补偿 | 第76-81页 |
| 4.4.3 实验结果及分析 | 第81-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 基于图像识别的驾驶疲劳及乘客人数监测系统 | 第84-106页 |
| 5.1 驾驶疲劳监测技术综述 | 第84-90页 |
| 5.1.1 疲劳驾驶相关研究的发展现状与研究成果 | 第84-89页 |
| 5.1.2 现有驾驶疲劳研究存在的问题 | 第89-90页 |
| 5.2 基于图像识别的驾驶疲劳及乘客人数监测系统 | 第90-94页 |
| 5.2.1 基于图像识别的驾驶疲劳及乘客人数监测实验系统方案 | 第90-92页 |
| 5.2.2 实验系统设备 | 第92-94页 |
| 5.3 基于眼动分析的驾驶疲劳监测算法仿真与分析 | 第94-102页 |
| 5.3.1 视线追踪技术在驾驶疲劳监测中的仿真实验研究 | 第95-97页 |
| 5.3.2 仿真实验 | 第97-100页 |
| 5.3.3 算法分析 | 第100-101页 |
| 5.3.4 其它算法应用于驾驶疲劳监测的分析 | 第101-102页 |
| 5.4 基于图像识别的客车车门监测及乘客人数监测 | 第102-105页 |
| 5.4.1 客车乘员数量监测 | 第102-104页 |
| 5.4.2 基于图像检测的车内乘客人数检仿真实验测 | 第104-105页 |
| 5.5 本章小结 | 第105-106页 |
| 第6章 结论与展望 | 第106-109页 |
| 6.1 课题工作总结 | 第106-107页 |
| 6.2 下一步工作及展望 | 第107-109页 |
| 参考文献 | 第109-118页 |
| 致谢 | 第118-119页 |
| 攻读学位期间发表的论著及专利 | 第119-120页 |
| 作者从事科学研究和学习经历 | 第120页 |
