基于近红外图像的疲劳驾驶检测研究与系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 项目研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 疲劳驾驶检测技术的分类 | 第10-12页 |
| 1.2.2 国外研究现状 | 第12-14页 |
| 1.2.3 国内研究现状 | 第14-16页 |
| 1.3 论文研究内容和文章结构 | 第16-18页 |
| 第二章 人脸检测算法研究 | 第18-40页 |
| 2.1 人脸检测技术概述 | 第18-21页 |
| 2.2 Adaboost检测算法研究 | 第21-33页 |
| 2.2.1 Adaboost算法概述 | 第21-22页 |
| 2.2.2 Haar-like矩形特征 | 第22-27页 |
| 2.2.3 Adaboost算法 | 第27-33页 |
| 2.3 基于近红外图像的人脸分类器的训练 | 第33-39页 |
| 2.3.1 近红外人脸图像特性 | 第33-34页 |
| 2.3.2 训练样本集 | 第34-36页 |
| 2.3.3 人脸分类器的训练 | 第36-37页 |
| 2.3.4 训练结果验证 | 第37-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第三章 疲劳特征参数的提取 | 第40-64页 |
| 3.1 驾驶者眼部定位 | 第40-57页 |
| 3.1.1 常用的眼部定位方法 | 第40-41页 |
| 3.1.2 基于灰度投影和轮廓检测的眼部定位方法 | 第41-54页 |
| 3.1.3 人眼区域的搜索 | 第54-57页 |
| 3.2 眨眼检测 | 第57-60页 |
| 3.3 哈欠检测 | 第60-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第四章 疲劳判定及检测原型系统开发 | 第64-74页 |
| 4.1 疲劳状态判定 | 第64-70页 |
| 4.1.1 基于人眼睁开度的疲劳判定 | 第65-67页 |
| 4.1.2 基于眨眼频率的疲劳判定 | 第67-68页 |
| 4.1.3 基于哈欠频率的疲劳判定 | 第68-70页 |
| 4.2 系统开发环境 | 第70-71页 |
| 4.2.1 系统硬件开发环境 | 第70页 |
| 4.2.2 系统软件开发环境 | 第70页 |
| 4.2.3 系统界面效果 | 第70-71页 |
| 4.3 测试及实验结果分析 | 第71-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 总结和展望 | 第74-76页 |
| 5.1 本文总结 | 第74页 |
| 5.2 展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-81页 |
| 攻读学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82页 |
