| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 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 驾驶员疲劳检测的发展方向 | 第13-14页 |
| 1.3.1 基于精密仪器对人体的生理信息监测的方法 | 第13页 |
| 1.3.2 基于车辆参数的检测方法 | 第13页 |
| 1.3.3 基于视频图像处理的疲劳检测方法 | 第13-14页 |
| 1.4 本文研究内容和安排 | 第14-17页 |
| 1.4.1 本文研究内容 | 第14页 |
| 1.4.2 本文结构安排 | 第14-17页 |
| 第二章 基于HSV和YCbCr空间的人脸检测 | 第17-29页 |
| 2.1 常用人脸检测算法 | 第17-23页 |
| 2.1.1 基于显式特征的方法 | 第17-18页 |
| 2.1.2 基于隐式特征的方法 | 第18-19页 |
| 2.1.3 基于肤色模型的人脸检测方法 | 第19-23页 |
| 2.2 基于HSV空间和YCbCr空间相结合的人脸检测的算法 | 第23-27页 |
| 2.2.1 RGB色彩空间转换为HSV色彩空间、YCbCr色彩空间 | 第25-26页 |
| 2.2.2 肤色分割模型的建立 | 第26页 |
| 2.2.3 人脸检测仿真 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于优化耦合参数PCNN模型的人眼检测方法 | 第29-47页 |
| 3.1 常用人眼检测算法 | 第29-35页 |
| 3.1.1 Hough变换法 | 第29-32页 |
| 3.1.2 小波变换结合灰度投影法 | 第32-34页 |
| 3.1.3 瞳孔颜色检测法 | 第34-35页 |
| 3.2 优化耦合参数的PCNN模型人眼检测算法 | 第35-43页 |
| 3.2.1 人眼初检测 | 第35-36页 |
| 3.2.2 PCNN模型 | 第36-38页 |
| 3.2.3 PCNN模型图像捕捉特性 | 第38-39页 |
| 3.2.4 改进参数的PCNN模型进行人眼分割 | 第39-41页 |
| 3.2.5 形态学变换精确检测人眼 | 第41-43页 |
| 3.2.5.1 形态学变换 | 第41-42页 |
| 3.2.5.2 精确检测人眼 | 第42-43页 |
| 3.3 实验结果及分析 | 第43-45页 |
| 3.3.1 主观结果及结果分析 | 第43-44页 |
| 3.3.2 客观结果及结果分析 | 第44-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 改进的驾驶员疲劳检测 | 第47-60页 |
| 4.1 驾驶员疲劳检测方法 | 第47-50页 |
| 4.2 PERCLOS原理结合眨眼频率疲劳检测法 | 第50-58页 |
| 4.2.1 PERCLOS原理 | 第50-51页 |
| 4.2.2 PERCLOS测量方法 | 第51-52页 |
| 4.2.3 PERCLOS疲劳检测仿真 | 第52-53页 |
| 4.2.4 PERCLOS准则结合眨眼频率疲劳检测仿真 | 第53-58页 |
| 4.3 本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间所取得的相关科研成果 | 第68页 |
