基于改进轮廓模型的疲劳驾驶检测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外疲劳驾驶检测技术的发展概况 | 第11-14页 |
| 1.2.1 疲劳及疲劳驾驶行为描述 | 第11-12页 |
| 1.2.2 国内外疲劳驾驶检测技术的研究概况 | 第12-14页 |
| 1.3 本文主要内容与章节安排 | 第14-17页 |
| 1.3.1 研究的主要内容 | 第14-16页 |
| 1.3.2 本文主要的章节安排 | 第16-17页 |
| 第二章 基于头部姿态及嘴部状态的疲劳检测 | 第17-32页 |
| 2.1 几种人脸定位方法的尝试 | 第17-26页 |
| 2.1.1 基于肤色的人脸定位 | 第17-18页 |
| 2.1.2 基于积分投影的人脸定位 | 第18-21页 |
| 2.1.3 基于Adaboost的人脸定位 | 第21-25页 |
| 2.1.4 三种人脸定位方法的比较 | 第25-26页 |
| 2.2 基于头部姿态特征的疲劳检测 | 第26-28页 |
| 2.2.1 头部姿态特征提取方法介绍 | 第26-27页 |
| 2.2.2 基于人脸定位的头部姿态特征提取 | 第27-28页 |
| 2.3 基于嘴部状态特征的疲劳检测 | 第28-31页 |
| 2.3.1 嘴部位置候选区域定位 | 第28-29页 |
| 2.3.2 基于轮廓匹配的哈欠检测 | 第29-30页 |
| 2.3.3 基于积分投影的哈欠检测 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于眼睑轮廓匹配的疲劳检测 | 第32-59页 |
| 3.1 人眼定位 | 第32-33页 |
| 3.2 基于ASM的眼睑轮廓匹配 | 第33-44页 |
| 3.2.1 ASM模型介绍 | 第33-40页 |
| 3.2.1.1 ASM算法标点 | 第33-34页 |
| 3.2.1.2 形状模型的建立 | 第34-37页 |
| 3.2.1.3 局部纹理模型的建立 | 第37-38页 |
| 3.2.1.4 ASM模型匹配 | 第38-40页 |
| 3.2.2 改进的LBP-ASM算法 | 第40-42页 |
| 3.2.3 基于预处理的PLBP-ASM | 第42-44页 |
| 3.3 基于AAM的眼睑轮廓匹配 | 第44-53页 |
| 3.3.1 AAM模型介绍 | 第45-51页 |
| 3.3.1.1 形状建模 | 第45-46页 |
| 3.3.1.2 纹理建模 | 第46-47页 |
| 3.3.1.3 表观建模 | 第47-48页 |
| 3.3.1.4 模型的匹配 | 第48-51页 |
| 3.3.2 改进的AAM算法 | 第51-53页 |
| 3.3.2.1 AAM存在的一些问题 | 第51-52页 |
| 3.3.2.2 局部纹理主动表观模型LT-AAM | 第52-53页 |
| 3.4 实验与分析 | 第53-57页 |
| 3.4.1 ASM实验分析 | 第53-55页 |
| 3.4.2 AAM实验分析 | 第55-57页 |
| 3.5 基于PERCLOS的人眼疲劳判定 | 第57-58页 |
| 3.6 本章小结 | 第58-59页 |
| 第四章 疲劳驾驶检测测试软件设计 | 第59-64页 |
| 4.1 软件算法流程设计 | 第59-61页 |
| 4.2 测试软件框架设计 | 第61-62页 |
| 4.3 模拟疲劳驾驶检测实验 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 结论 | 第64-67页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 本文的不足及研究展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的成果 | 第71-72页 |
