基于综合集成的驾驶疲劳识别
| 第一章 引言 | 第1-20页 |
| 1．1 疲劳识别的意义 | 第7-9页 |
| 1．2 疲劳驾驶的相关概念 | 第9-10页 |
| 1．3 疲劳识别研究现状 | 第10-17页 |
| 1．4 论文研究内容及结构安排 | 第17-20页 |
| 第二章 人眼的定位与跟踪 | 第20-34页 |
| 2．1 引言 | 第20页 |
| 2．2 人眼定位 | 第20-24页 |
| 2．2．1 基于灰度投影的人眼粗定位 | 第21-23页 |
| 2．2．2 基于分块复杂度的人眼定位 | 第23-24页 |
| 2．3 粒子滤波器 | 第24-29页 |
| 2．3．1 粒子滤波器原理 | 第25-26页 |
| 2．3．2 粒子滤波器算法 | 第26-27页 |
| 2．3．3 卡尔曼粒子滤波器 | 第27-29页 |
| 2．4 基于颜色和纹理复合特征的双状态人眼跟踪 | 第29-34页 |
| 2．4．1 颜色和纹理复合特征 | 第29-32页 |
| 2．4．2 双状态人眼跟踪 | 第32-33页 |
| 2．4．3 实验结果及讨论 | 第33-34页 |
| 第三章 眼睛运动特征提取 | 第34-49页 |
| 3．1 眼睛运动参数介绍 | 第34-38页 |
| 3．1．1 眼皮运动参数 | 第34-36页 |
| 3．1．2 视线参数 | 第36-38页 |
| 3．2 眼皮运动参数提取 | 第38-42页 |
| 3．2．1 人眼 Gabor纹理特征 | 第39-40页 |
| 3．2．2 基于 RBF神经网络的眼睛状态分类 | 第40-41页 |
| 3．2．3 眼皮运动参数提取 | 第41-42页 |
| 3．3 视线参数提取 | 第42-47页 |
| 3．3．1 广义回归神经网络 | 第42-44页 |
| 3．3．2 基于广义回归神经网络的视线定位 | 第44-46页 |
| 3．3．3 视线参数提取 | 第46-47页 |
| 3．4 本章小结 | 第47-49页 |
| 第四章 嘴部和头部运动特征提取 | 第49-59页 |
| 4．1 引言 | 第49-50页 |
| 4．2 其他参数介绍 | 第50-52页 |
| 4．2．1 参数YawnFreq: | 第50-51页 |
| 4．2．2 参数NodFreq | 第51-52页 |
| 4．3 参数提取 | 第52-57页 |
| 4．3．1 利用人脸器官分布比例确定嘴巴区域 | 第52-54页 |
| 4．3．2 基于图像分割的嘴巴尺寸检测 | 第54-56页 |
| 4．3．3 头部运动参数提取 | 第56-57页 |
| 4．4 本章小结 | 第57-59页 |
| 第五章 基于模糊神经网络的疲劳识别 | 第59-69页 |
| 5．1 引言 | 第59-60页 |
| 5．2 基于PVT的疲劳程度量化 | 第60-61页 |
| 5．3 基于模糊神经网络的疲劳识别 | 第61-63页 |
| 5．3．1 模糊神经网络结构 | 第61-62页 |
| 5．3．2 模糊神经网络训练算法 | 第62-63页 |
| 5．4 基于BAGGING模糊神经网络的疲劳识别 | 第63-64页 |
| 5．5 疲劳检测实验结果 | 第64-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6．1 总结 | 第69-70页 |
| 6．2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间的主要研究成果 | 第79页 |
