基于多特征融合的驾驶员疲劳检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究意义 | 第8页 |
| ·驾驶员疲劳检测的国内外研究现状 | 第8-11页 |
| ·国外疲劳检测研究现状 | 第8-10页 |
| ·国内疲劳检测研究现状 | 第10-11页 |
| ·驾驶疲劳分析 | 第11-16页 |
| ·驾驶疲劳生理学分析 | 第11-13页 |
| ·驾驶疲劳心理学分析 | 第13-15页 |
| ·驾驶疲劳行为科学机理 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 2 基于PCA和肤色提取的人脸检测 | 第17-27页 |
| ·引言 | 第17页 |
| ·一种新的候选区域简便快速的定位算法 | 第17-21页 |
| ·肤色提取 | 第18-19页 |
| ·候选区域简便快捷算法 | 第19-21页 |
| ·人脸检测方法 | 第21-24页 |
| ·主成份分析 | 第21-22页 |
| ·本征脸的计算 | 第22-23页 |
| ·使用本征脸进行人脸检测 | 第23-24页 |
| ·试验结果及分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 人脸面部跟踪 | 第27-34页 |
| ·引言 | 第27页 |
| ·卡尔曼滤波理论 | 第27-29页 |
| ·基于卡尔曼滤波人脸面部跟踪算法 | 第29-30页 |
| ·试验结果及分析 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 4 人脸多特征提取 | 第34-50页 |
| ·引言 | 第34-40页 |
| ·人脸图像二值化 | 第34-35页 |
| ·基于灰度直方图的阈值分割 | 第35-37页 |
| ·嘴唇特征点提取 | 第37-40页 |
| ·眼睛特征提取 | 第40-49页 |
| ·眼睛定位 | 第40页 |
| ·右眼区域分割 | 第40-43页 |
| ·眼睛特征点提取 | 第43-44页 |
| ·改进的眼睛特征点提取 | 第44-46页 |
| ·多特征模型的构建 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于神经网络和多特征融合的疲劳检测 | 第50-63页 |
| ·引言 | 第50-51页 |
| ·基于BP神经网络的疲劳检测 | 第51-57页 |
| ·BP神经网络 | 第51-53页 |
| ·BP神经网络学习算法 | 第53-54页 |
| ·BP神经网络训练 | 第54-55页 |
| ·疲劳检测试验 | 第55-57页 |
| ·基于PERCLOS疲劳检测 | 第57-60页 |
| ·PERCLOS的测量原理 | 第57-59页 |
| ·瞳孔面积计算 | 第59-60页 |
| ·仿真试验比较分析 | 第60-62页 |
| ·两种方法试验数据比较 | 第60-62页 |
| ·结论 | 第62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录 攻读学位期间的主要学术成果 | 第70-71页 |
| 致谢 | 第71页 |
