| 摘要 | 第1-6页 |
| Abstract | 第6-27页 |
| 第1章 绪论 | 第27-49页 |
| ·课题研究背景及意义 | 第27-31页 |
| ·疲劳驾驶识别研究方法概述 | 第31-42页 |
| ·主观评价方法 | 第33-34页 |
| ·客观度量方法 | 第34-42页 |
| ·疲劳驾驶识别研究发展趋向分析 | 第42-45页 |
| ·本文主要内容和结构安排 | 第45-49页 |
| 第2章 人脸及其局部单元的检测方法 | 第49-81页 |
| ·引言 | 第49-53页 |
| ·基于肤色建模的人脸及其局部单元检测 | 第53-65页 |
| ·色彩空间的选择与预处理 | 第53-57页 |
| ·基于肤色信息的人脸定位及区域优化 | 第57-63页 |
| ·基于局部模板匹配的人脸区域再定位 | 第63-65页 |
| ·基于Haar-like特征与信息强化图的人脸及其局部单元检测 | 第65-75页 |
| ·AdaBoost学习框架下基于Haar-like特征的快速人脸检测 | 第65-73页 |
| ·基于强化图像的局部单元定位 | 第73-75页 |
| ·环境因素对人脸定位的影响及其消除 | 第75-79页 |
| ·本章小结 | 第79-81页 |
| 第3章 基于显著面部表现的驾驶者疲劳状态分类 | 第81-107页 |
| ·引言 | 第81-82页 |
| ·基于眨眼动态过程能量分析的疲劳检测 | 第82-89页 |
| ·问题的提出 | 第82-83页 |
| ·典型眨眼过程提取 | 第83-84页 |
| ·基于S变换的疲劳能量指数计算 | 第84-87页 |
| ·实验与分析 | 第87-89页 |
| ·基于序列特征的哈欠过程分类 | 第89-105页 |
| ·问题的提出 | 第89-91页 |
| ·特征提取与选择 | 第91-96页 |
| ·统计学习理论与支持向量机 | 第96-103页 |
| ·实验与分析 | 第103-105页 |
| ·本章小结 | 第105-107页 |
| 第4章 基于多区域证据支持的驾驶者疲劳状态分类 | 第107-134页 |
| ·引言 | 第107页 |
| ·问题的提出 | 第107-109页 |
| ·多层面信息获取 | 第109-115页 |
| ·局部线性嵌入 | 第111-114页 |
| ·多区域证据 | 第114-115页 |
| ·基于粗糙集的特征评价 | 第115-120页 |
| ·模糊粗糙集 | 第116-118页 |
| ·特征选择算法 | 第118-120页 |
| ·模式分类器集成 | 第120-125页 |
| ·基分类器（C4.5决策树） | 第120-122页 |
| ·基分类器集成学习 | 第122-124页 |
| ·分类性能评价指标 | 第124-125页 |
| ·实验与分析 | 第125-133页 |
| ·本章小结 | 第133-134页 |
| 第5章 基于覆盖规则集的驾驶者疲劳状态分类 | 第134-158页 |
| ·引言 | 第134-135页 |
| ·问题的提出 | 第135-137页 |
| ·覆盖近似空间与覆盖约简 | 第137-140页 |
| ·邻域覆盖约简规则学习 | 第140-157页 |
| ·相对覆盖约简理论框架 | 第140-146页 |
| ·基于覆盖约简的规则学习算法 | 第146-149页 |
| ·分类性能评价及应用 | 第149-157页 |
| ·本章小结 | 第157-158页 |
| 结论 | 第158-160页 |
| 参考文献 | 第160-174页 |
| 攻读博士学位期间发表的学术论文及其它成果 | 第174-176页 |
| 致谢 | 第176-178页 |
| 个人简历 | 第178页 |