| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究目的及其意义 | 第14页 |
| 1.2 国内外技术现状 | 第14-20页 |
| 1.2.1 国外技术现状 | 第16-17页 |
| 1.2.2 国内技术现状 | 第17-18页 |
| 1.2.3 红外图像疲劳检测研究现状 | 第18-19页 |
| 1.2.4 研究难点 | 第19-20页 |
| 1.3 论文主要内容与结构安排 | 第20-22页 |
| 第二章 疲劳检测系统总体分析与相关技术原理 | 第22-33页 |
| 2.1 需求分析 | 第22-23页 |
| 2.2 系统总体设计 | 第23-25页 |
| 2.2.1 疲劳检测一般流程 | 第23页 |
| 2.2.2 疲劳检测总体方案 | 第23-25页 |
| 2.3 疲劳相关的多特征 | 第25-32页 |
| 2.3.1 眼部特征参数 | 第25-27页 |
| 2.3.2 眼部特征定位算法 | 第27-30页 |
| 2.3.3 嘴部特征参数 | 第30页 |
| 2.3.4 多特征融合 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于DM642的视频系统 | 第33-40页 |
| 3.1 TMS320DM642硬件平台介绍 | 第33-39页 |
| 3.1.1 图像采集 | 第34-36页 |
| 3.1.2 图像处理 | 第36-37页 |
| 3.1.3 数据存储与图像显示 | 第37页 |
| 3.1.4 DM642开发环境 | 第37-39页 |
| 3.2 本章小结 | 第39-40页 |
| 第四章 基于人脸多特征的疲劳检测软件方案设计 | 第40-64页 |
| 4.1 图像预处理 | 第40-41页 |
| 4.2 人眼特征提取 | 第41-42页 |
| 4.3 Adaboost人眼定位算法原理 | 第42-50页 |
| 4.3.1 矩形特征与积分图 | 第43-47页 |
| 4.3.2 Adaboost算法原理 | 第47-49页 |
| 4.3.3 人眼检测过程 | 第49-50页 |
| 4.4 人眼状态判断 | 第50-59页 |
| 4.4.1 网格法状态判断 | 第51-59页 |
| 4.5 嘴部特征提取 | 第59-61页 |
| 4.5.1 嘴巴定位 | 第59-60页 |
| 4.5.2 嘴巴状态判断 | 第60-61页 |
| 4.6 疲劳判断 | 第61-63页 |
| 4.6.1 基于贝叶斯条件概率公式的多特征疲劳判断 | 第61-62页 |
| 4.6.2 PMERCLOS准则 | 第62-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 算法实现与实验结果 | 第64-78页 |
| 5.1 Adaboost算法实现 | 第64-67页 |
| 5.1.1 分类器训练 | 第64-66页 |
| 5.1.2 代码移植 | 第66-67页 |
| 5.2 程序优化方法 | 第67-71页 |
| 5.2.1 CCS编译选项优化 | 第69页 |
| 5.2.2 变量级优化 | 第69-70页 |
| 5.2.3 函数级优化 | 第70页 |
| 5.2.4 函数编写优化 | 第70-71页 |
| 5.2.5 优化总结 | 第71页 |
| 5.3 实验结果 | 第71-77页 |
| 5.3.1 实验系统环境 | 第71-73页 |
| 5.3.2 实验验证结果 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 在学期间的研究成果及发表的学术论文 | 第85页 |