| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究方法及现状 | 第9-12页 |
| 1.3 本文研究内容以及结构安排 | 第12-14页 |
| 第二章 视频图像预处理 | 第14-24页 |
| 2.1 图像滤波去噪 | 第14-19页 |
| 2.1.1 传统滤波算法的分析与比较 | 第14-17页 |
| 2.1.2 基于自适应中值滤波器的图像去噪 | 第17-19页 |
| 2.2 基于自适应阈值的图像光照均衡 | 第19-20页 |
| 2.3 图像预处理的实验结果分析 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 人脸区域检测与头部运动追踪 | 第24-40页 |
| 3.1 人脸区域检测方法分类 | 第24-25页 |
| 3.2 基于AdaBoost分类器的人脸区域检测算法 | 第25-28页 |
| 3.3 人脸检测实验结果分析 | 第28-30页 |
| 3.4 驾驶人眼部以及嘴部区域检测 | 第30-33页 |
| 3.4.1 眼部区域检测 | 第30-32页 |
| 3.4.2 嘴部区域检测 | 第32-33页 |
| 3.5 基于粒子滤波的目标跟踪 | 第33-39页 |
| 3.5.1 运动目标跟踪算法分类 | 第33-34页 |
| 3.5.2 基于粒子滤波算法的目标跟踪 | 第34-37页 |
| 3.5.3 实验效果 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 眼睛与嘴部状态识别 | 第40-50页 |
| 4.1 人眼状态识别 | 第40-46页 |
| 4.1.1 基于大律法的眼部区域二值化 | 第40-41页 |
| 4.1.2 基于积分投影法的眼镜判断 | 第41-42页 |
| 4.1.3 眼睛睁闭状态判断 | 第42-46页 |
| 4.2 嘴部状态识别 | 第46-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 疲劳状态识别 | 第50-60页 |
| 5.1 眼动特征分析 | 第50-52页 |
| 5.2 驾驶行为特征分析 | 第52-55页 |
| 5.2.1 嘴部特征分析 | 第52-53页 |
| 5.2.2 头部运动特征分析 | 第53页 |
| 5.2.3 方向盘转角特征分析 | 第53-55页 |
| 5.3 疲劳状态识别方法与实验 | 第55-59页 |
| 5.4 实验结果分析 | 第59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表的学术论文及成果 | 第68页 |