| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题背景和研究目的 | 第9页 |
| ·疲劳驾驶的国内外研究现状 | 第9-13页 |
| ·疲劳驾驶的主要检测原理 | 第10-11页 |
| ·国外典型疲劳驾驶检测系统 | 第11页 |
| ·国内疲劳驾驶研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 第2章 基于Gentle adaboost 算法的人脸和人眼检测 | 第15-22页 |
| ·Adaboost 算法 | 第15-17页 |
| ·本文采用的Gentle adaboost 算法 | 第17-21页 |
| ·Gentle adaboost 弱分类器 | 第18-19页 |
| ·Gentle adaboost 算法训练强分类器过程 | 第19-20页 |
| ·强分类器分类性能评价方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 MB-LBP 特征在人脸和人眼检测中的应用 | 第22-30页 |
| ·Haar 特征介绍 | 第22-24页 |
| ·利用积分图计算特征值 | 第24-25页 |
| ·级联分类器 | 第25-26页 |
| ·MB-LBP 特征 | 第26-29页 |
| ·LBP 特征的计算方法 | 第27页 |
| ·MB-LBP 特征的编码方式 | 第27-28页 |
| ·MB-LBP 特征与Haar 特征的比较 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 驾驶员疲劳驾驶预警装置软件系统设计 | 第30-38页 |
| ·人脸样本库的建立 | 第30-32页 |
| ·人脸图像的积分图程序设计 | 第32-33页 |
| ·使用MB-LBP 特征构建弱分类器 | 第33-34页 |
| ·人脸和人眼级联分类器 | 第34页 |
| ·人眼状态具体检测过程 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 疲劳驾驶预警装置的硬件开发和实验研究 | 第38-55页 |
| ·基于DSP 的硬件实验平台及算法移植 | 第38-44页 |
| ·疲劳驾驶预警装置硬件系统核心芯片的选用 | 第39-40页 |
| ·检测算法移植调试软件-CCS | 第40-41页 |
| ·DSP/BIOS 嵌入式系统 | 第41-42页 |
| ·硬件仿真与数据交换 | 第42-43页 |
| ·检测算法的移植 | 第43-44页 |
| ·分类器对静态人脸图片的识别性能实验研究 | 第44-50页 |
| ·基于Adaboost 算法的Haar 特征分类器检测效果 | 第45-46页 |
| ·基于Fast adaboost 算法的Haar 特征分类器检测效果 | 第46-47页 |
| ·基于Gentle adaboost 算法的MB-LBP 特征分类器检测效果 | 第47-49页 |
| ·分类器性能实验结果对比 | 第49页 |
| ·软件系统的改进 | 第49-50页 |
| ·疲劳驾驶预警装置硬件系统设计 | 第50-52页 |
| ·基于视频和实车的实验研究 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62页 |
