| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 选题背景和意义 | 第8页 |
| 1.2 疲劳驾驶预警系统国内外研究现状 | 第8-9页 |
| 1.3 疲劳驾驶监测研究方法 | 第9-10页 |
| 1.4 本文的主要研究工作及章节安排 | 第10-11页 |
| 第二章 基于Adaboost算法的人眼定位与检测 | 第11-25页 |
| 2.1 人眼检测技术综述 | 第11-12页 |
| 2.2 Adaboost人眼检测算法 | 第12-19页 |
| 2.2.1 Adaboost算法的引入 | 第12-13页 |
| 2.2.2 矩形特征 | 第13-15页 |
| 2.2.3 用积分图计算特征值 | 第15-17页 |
| 2.2.4 弱分类器原理 | 第17页 |
| 2.2.5 训练强分类器 | 第17-19页 |
| 2.2.6 级联分类器的构造 | 第19页 |
| 2.3 Adaboost人眼检测过程 | 第19-24页 |
| 2.3.1 人脸图像光照补偿 | 第19-20页 |
| 2.3.2 人脸背景差分 | 第20-21页 |
| 2.3.3 分类器的训练与生成 | 第21-23页 |
| 2.3.4 Adboost人眼检测效果 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于MeanShift算法与Kalman滤波器相结合的人眼跟踪 | 第25-39页 |
| 3.1 Mean Shift运动目标跟踪算法 | 第25-29页 |
| 3.1.1 基本Mean Shift | 第25-26页 |
| 3.1.2 扩展的Mean Shift算法 | 第26-27页 |
| 3.1.3 概率密度函数 | 第27-28页 |
| 3.1.4 Mean Shift过程 | 第28-29页 |
| 3.2 基于Mean Shift算法的人眼跟踪 | 第29-31页 |
| 3.2.1 跟踪模型的建立 | 第29-30页 |
| 3.2.2 相似性函数 | 第30页 |
| 3.2.3 人眼的跟踪定位 | 第30-31页 |
| 3.3 Kalman滤波器 | 第31-36页 |
| 3.3.1 Kalman滤波器原理 | 第32-34页 |
| 3.3.2 Kalman滤波器对运动目标的预测 | 第34-36页 |
| 3.4 Mean Shift算法与Kalman滤波器相结合的人眼跟踪策略 | 第36-37页 |
| 3.4.1 Mean Shift算法与Kalman滤波器的结合 | 第37页 |
| 3.5 实验结果与分析 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 驾驶员眼态的识别 | 第39-47页 |
| 4.1 人眼轮廓的提取 | 第39-41页 |
| 4.1.1 人眼形态学滤波 | 第39-40页 |
| 4.1.2 人眼轮廓的提取 | 第40-41页 |
| 4.2 基于霍夫变换的人眼虹膜定位 | 第41-43页 |
| 4.3 人眼状态识别 | 第43-46页 |
| 4.3.1 人眼的开合程度 | 第44-45页 |
| 4.3.2 眼睛的注视方向 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 疲劳驾驶的检测 | 第47-55页 |
| 5.1 基于PERCLOS的疲劳检测 | 第47-50页 |
| 5.1.1 PERCLOS原理 | 第47-49页 |
| 5.1.2 PERCLOS疲劳驾驶检测 | 第49-50页 |
| 5.2 人眼注视方向识别与PERCLOS相结合的疲劳驾驶检测 | 第50-51页 |
| 5.3 仿真实验结果与分析 | 第51-54页 |
| 5.3.1 系统设计与实现 | 第51-53页 |
| 5.3.2 实验结果与分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
