| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 疲劳驾驶检测的研究背景与意义 | 第10-11页 |
| 1.2 疲劳检测的研究方法与现状 | 第11-12页 |
| 1.3 本文的研究内容及结构安排 | 第12-14页 |
| 第2章 视频图像预处理 | 第14-22页 |
| 2.1 图像滤波去噪 | 第14-17页 |
| 2.1.1 传统滤波算法的分析与比较 | 第14-16页 |
| 2.1.2 基于自适应中值滤波的图像去噪 | 第16-17页 |
| 2.2 基于自适应阈值的图像光照均衡 | 第17-18页 |
| 2.3 图像预处理的实验结果分析 | 第18-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 人脸区域检测与目标跟踪 | 第22-34页 |
| 3.1 人脸检测方法分类 | 第22-23页 |
| 3.2 基于Adaboost分类器的人脸检测算法的研究 | 第23-26页 |
| 3.3 人脸检测实验结果分析 | 第26-27页 |
| 3.4 基于粒子滤波的面部目标跟踪 | 第27-33页 |
| 3.4.1 运动目标跟踪算法分类 | 第27-28页 |
| 3.4.2 结合Adaboost与粒子滤波算法的面部目标跟踪 | 第28-31页 |
| 3.4.3 面部跟踪实验结果与分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 眼睛与嘴部状态识别 | 第34-46页 |
| 4.1 人眼状态识别 | 第34-41页 |
| 4.1.1 基于改进的几何分布规则的双眼区域粗定位 | 第35-36页 |
| 4.1.2 基于大律法的眼部自适应二值化 | 第36-37页 |
| 4.1.3 基于积分投影法的眼镜判断 | 第37-38页 |
| 4.1.4 基于近似张角与直方图局部特征的眼睛状态判断 | 第38-41页 |
| 4.2 嘴部状态识别 | 第41-45页 |
| 4.2.1 常用的嘴部状态识别方法介绍 | 第41页 |
| 4.2.2 基于似圆度与近似张角的嘴部状态识别 | 第41-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 驾驶员疲劳状态识别 | 第46-52页 |
| 5.1 多指标融合的眼部疲劳判断 | 第46-48页 |
| 5.2 嘴部疲劳判断 | 第48-49页 |
| 5.3 点头瞌睡的疲劳判断 | 第49页 |
| 5.4 疲劳识别流程与实验分析 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及科研成果 | 第58-60页 |
| 致谢 | 第60页 |
