摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 课题背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 国外研究现状 | 第10-12页 |
1.2.2 国内研究现状 | 第12-13页 |
1.3 论文研究内容 | 第13页 |
1.4 论文章节构成 | 第13-15页 |
第二章 人脸图像处理 | 第15-31页 |
2.1 人脸定位方法 | 第15-17页 |
2.2 基于肤色特征的人脸定位方法 | 第17-23页 |
2.2.1 颜色空间 | 第17-20页 |
2.2.2 肤色模型 | 第20-21页 |
2.2.3 肤色相似度计算 | 第21-23页 |
2.3 定位人脸区域 | 第23-30页 |
2.3.1 Otsu实现二值化 | 第23-25页 |
2.3.2 形态学处理 | 第25-26页 |
2.3.3 连通区域标记算法 | 第26-27页 |
2.3.4 定位人脸 | 第27-30页 |
2.4 本章小结 | 第30-31页 |
第三章 人眼定位与跟踪 | 第31-52页 |
3.1 人眼定位 | 第31-43页 |
3.1.1 人眼定位方法 | 第31-32页 |
3.1.2 AdaBoost算法与Haar-like级联分类器 | 第32-36页 |
3.1.3 基于GentleAdaBoost算法的人眼定位 | 第36-41页 |
3.1.4 定位人眼 | 第41-43页 |
3.2 人眼跟踪 | 第43-51页 |
3.2.1 人眼跟踪方法 | 第43-45页 |
3.2.2 卡尔曼滤波 | 第45-47页 |
3.2.3 Camshift算法 | 第47-49页 |
3.2.4 结合卡尔曼滤波与改进Camshift算法的人眼跟踪 | 第49-51页 |
3.3 本章小结 | 第51-52页 |
第四章 驾驶员疲劳状态检测 | 第52-67页 |
4.1 人眼状态识别方法 | 第52-53页 |
4.2 基于最小外接矩形的人眼状态识别 | 第53-58页 |
4.2.1 确定主轴方向 | 第55页 |
4.2.2 确定长轴与短轴 | 第55-56页 |
4.2.3 旋转法校正初始外接矩形 | 第56-57页 |
4.2.4 尺寸优化 | 第57-58页 |
4.3 基于PERCLOS的驾驶员疲劳状态判断 | 第58-61页 |
4.4 驾驶员疲劳状态检测系统 | 第61-65页 |
4.4.1 实验硬件环境 | 第61-63页 |
4.4.2 实验软件环境 | 第63-64页 |
4.4.3 驾驶员疲劳状态检测实验及结果分析 | 第64-65页 |
4.5 本章小结 | 第65-67页 |
第五章 总结与展望 | 第67-69页 |
5.1 总结 | 第67-68页 |
5.2 展望 | 第68-69页 |
参考文献 | 第69-73页 |
攻读硕士学位期间主要的研究成果 | 第73-74页 |
致谢 | 第74页 |