| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 疲劳的定义及评估方法 | 第11-13页 |
| 1.2.1 疲劳的定义与生理机制 | 第11-12页 |
| 1.2.2 疲劳的医学评估方法 | 第12-13页 |
| 1.3 驾驶疲劳检测的国内外研究现状及发展趋势 | 第13-17页 |
| 1.3.1 疲劳驾驶检测的国内外研究现状 | 第13-16页 |
| 1.3.2 疲劳驾驶检测的发展趋势 | 第16-17页 |
| 1.4 主要研究内容与研究路线 | 第17-19页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 研究路线 | 第18-19页 |
| 第2章 驾驶疲劳特征提取 | 第19-36页 |
| 2.1 引言 | 第19页 |
| 2.2 基于图像信息的疲劳特征提取 | 第19-27页 |
| 2.2.1 基于Adaboost算法的驾驶员面部检测 | 第19-20页 |
| 2.2.2 基于ERT算法的驾驶员眼部特征点检测 | 第20-22页 |
| 2.2.3 基于眼部特征点的眼动特征提取 | 第22-24页 |
| 2.2.4 基于眼动特征的疲劳检测效果分析 | 第24-27页 |
| 2.3 基于脑电信息的疲劳特征提取 | 第27-34页 |
| 2.3.1 脑电信号的伪迹去除 | 第27-31页 |
| 2.3.2 基于功率谱的脑电信号特征 | 第31-32页 |
| 2.3.3 基于频带能量比的脑电信号特征 | 第32-33页 |
| 2.3.4 基于脑电特征的疲劳检测效果分析 | 第33-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于信息融合的驾驶疲劳检测 | 第36-53页 |
| 3.1 信息融合理论 | 第36-40页 |
| 3.1.1 信息融合的层次划分 | 第37-38页 |
| 3.1.2 信息融合的功能模型 | 第38-39页 |
| 3.1.3 信息融合在疲劳检测场景下的应用 | 第39-40页 |
| 3.2 基于特征层融合的驾驶疲劳检测 | 第40-47页 |
| 3.2.1 疲劳特征综合分析 | 第40-41页 |
| 3.2.2 基于多核学习的特征融合 | 第41-44页 |
| 3.2.3 基于典型相关分析的特征融合 | 第44-46页 |
| 3.2.4 特征层融合疲劳检测模型搭建 | 第46-47页 |
| 3.2.5 特征层融合疲劳检测效果分析 | 第47页 |
| 3.3 基于决策层融合的驾驶疲劳检测 | 第47-52页 |
| 3.3.1 基于D-S证据理论的决策级融合 | 第47-49页 |
| 3.3.2 决策级融合疲劳检测模型搭建 | 第49-51页 |
| 3.3.3 决策级融合疲劳检测效果分析 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 模拟驾驶实验与结果分析 | 第53-64页 |
| 4.1 实验平台 | 第53-55页 |
| 4.1.1 模拟驾驶平台 | 第53-54页 |
| 4.1.2 数据采集平台 | 第54-55页 |
| 4.2 基于睡眠剥夺的模拟驾驶实验 | 第55-57页 |
| 4.2.1 睡眠剥夺与疲劳诱发 | 第55-56页 |
| 4.2.2 实验准备 | 第56页 |
| 4.2.3 实验流程 | 第56-57页 |
| 4.3 基于反应时间的模拟驾驶实验 | 第57-59页 |
| 4.3.1 反应时间与疲劳程度的关系 | 第57-58页 |
| 4.3.2 反应时间检测工具设计 | 第58页 |
| 4.3.3 实验准备及实验流程 | 第58-59页 |
| 4.4 干扰环境下的模拟驾驶实验 | 第59页 |
| 4.4.1 实际驾驶场景下的干扰情况分析 | 第59页 |
| 4.4.2 实验流程 | 第59页 |
| 4.5 异构数据集的分割与标注 | 第59-60页 |
| 4.6 实验结果整理与综合讨论 | 第60-63页 |
| 4.6.1 模拟驾驶实验结果分析 | 第60-62页 |
| 4.6.2 干扰环境下的模拟驾驶实验结果分析 | 第62-63页 |
| 4.7 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |