| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| Chapter 1: INTRODUCTION | 第10-20页 |
| 1.1 Problem statement and thesis background | 第11-12页 |
| 1.2 The driving behavior monitoring | 第12-14页 |
| 1.3 Research status | 第14-15页 |
| 1.4 Thesis objectives | 第15-16页 |
| 1.5 Related work | 第16页 |
| 1.6 The outlines | 第16-18页 |
| 1.7 The chapter summary | 第18-20页 |
| Chapter 2: IMAGE PROCESSING TECTHNOLOGIES | 第20-34页 |
| 2.1 The image representation | 第20页 |
| 2.2 The coordinate conventions | 第20-21页 |
| 2.3 Images representation as matrices | 第21页 |
| 2.4 Grayscale transforms | 第21-22页 |
| 2.5 Histogram and histogram equalization | 第22-24页 |
| 2.5.1 Histogram | 第22-23页 |
| 2.5.2 The histogram equalization | 第23-24页 |
| 2.6 The image binarization | 第24-25页 |
| 2.7 The image filtering | 第25-27页 |
| 2.7.1 The linear filtering | 第26页 |
| 2.7.2 The nonlinear filtering | 第26页 |
| 2.7.3 The median filter | 第26-27页 |
| 2.8 Morphological image processing | 第27-29页 |
| 2.8.1 The erosion and dilation | 第27-29页 |
| 2.8.2 The opening and closing | 第29页 |
| 2.9 Comparison of various image edge detection techniques | 第29-32页 |
| 2.9.1 The edge detection methods | 第29-30页 |
| 2.9.2 The Sobel edge operator | 第30页 |
| 2.9.3 Robert's edge operator | 第30-31页 |
| 2.9.4 Prewitt edge operator | 第31页 |
| 2.9.5 The laplacian of gaussian operator | 第31页 |
| 2.9.6 The canny edge operator | 第31-32页 |
| 2.10 Chapter summary | 第32-34页 |
| Chapter3: IMAGE ACQUISITION AND FACE DETECTION | 第34-46页 |
| 3.1 Introduction | 第34页 |
| 3.2 The Face detection technology | 第34-38页 |
| 3.2.1 The feature-based face detection approaches | 第35-37页 |
| 3.2.2 The image-based face detection approaches | 第37-38页 |
| 3.3 The diagram of the process | 第38-39页 |
| 3.4 Kanade-Lucas-Tomasi(KLT) algorithm S-PCA algorithm for face tracking | 第39-43页 |
| 3.4.1 Introduction | 第39-40页 |
| 3.4.2 The background process | 第40-41页 |
| 3.4.3 Methodology | 第41-43页 |
| 3.5 The results | 第43-44页 |
| 3.6 Chapter conclusion | 第44-46页 |
| Chapter 4: MOUTH LOCALIZATION AND DETECTION | 第46-58页 |
| 4.1 Introduction | 第46-47页 |
| 4.2 Features | 第47-49页 |
| 4.3 The AdaBoost Learning algorithm | 第49-50页 |
| 4.4 Mouth localization | 第50-51页 |
| 4.5 Theory of circular hough transform | 第51-56页 |
| 4.5.1 Fatigue detection by analyzing the mouth | 第53页 |
| 4.5.2 Circular hough transform for the detection of yawning | 第53页 |
| 4.5.3 Yawning edge detection | 第53-54页 |
| 4.5.4 Application of the hough transforms circular | 第54-55页 |
| 4.5.5 The confusion matrix | 第55-56页 |
| 4.6 Chapter summary | 第56-58页 |
| Chapter 5: FATIGUE DETECTION SYSTEM AND SUPPORT VECTOR MACHINE | 第58-68页 |
| 5.1 The yaw ning frequency System | 第58-60页 |
| 5.2 The support Vector Machine (SVM) | 第60-64页 |
| 5.2.1 Optimal separating hyperplane | 第60-61页 |
| 5.2.2 The optimization problem | 第61-62页 |
| 5.2.3 Kernel methods and nonlinear classification | 第62-63页 |
| 5.2.4 The support vector machines procedure | 第63-64页 |
| 5.3 Implantation and designing | 第64-66页 |
| 5.3.1 The pre-processing image | 第64页 |
| 5.3.2 The face and mouth detection | 第64-65页 |
| 5.3.3 Template matching | 第65页 |
| 5.3.4 Feature extraction | 第65页 |
| 5.3.5 The fatigue state classification(SVM) | 第65-66页 |
| 5.4 Evaluation and Result | 第66-67页 |
| 5.5 Hardware software environment | 第67-68页 |
| 5.5.1 MATLAB software | 第67页 |
| 5.5.2 Hardware | 第67-68页 |
| Chapter 6 CONCLUSION AND FUTURE WORK | 第68-70页 |
| 6.1 Conclusion | 第68页 |
| 6.2 Future work | 第68-70页 |
| REFERENCES | 第70-74页 |
| ACKNOWLEDGMENT | 第74页 |
