疲劳驾驶检测系统的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景 | 第11页 |
| ·国内外研究状况 | 第11-15页 |
| ·国外研究状况 | 第11-13页 |
| ·国内研究状况 | 第13-15页 |
| ·研究意义 | 第15-16页 |
| ·本文的工作内容 | 第16-19页 |
| 第2章 相关技术介绍 | 第19-33页 |
| ·疲劳驾驶知识 | 第19-22页 |
| ·疲劳驾驶定义 | 第19页 |
| ·疲劳驾驶的表征 | 第19-20页 |
| ·疲劳对驾驶行为的影响 | 第20-21页 |
| ·疲劳驾驶产生的原因 | 第21-22页 |
| ·疲劳检测方法简介 | 第22-25页 |
| ·脑电图法 | 第22页 |
| ·心电图法 | 第22-23页 |
| ·PERCLOS法 | 第23-25页 |
| ·瞳孔测量法 | 第25页 |
| ·其它测量法 | 第25页 |
| ·硬件平台 | 第25-30页 |
| ·摄像头 | 第27-28页 |
| ·天敏VC8000E卡 | 第28-29页 |
| ·EC5-1719CLDNA开发板 | 第29-30页 |
| ·系统软件开发环境 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 系统总体设计与算法研究 | 第33-51页 |
| ·系统设计目标 | 第33页 |
| ·系统总体设计 | 第33-34页 |
| ·算法研究 | 第34-42页 |
| ·支持向量机法 | 第34-37页 |
| ·神经网络法 | 第37-39页 |
| ·主成分分析法 | 第39-40页 |
| ·Adaboost算法 | 第40-42页 |
| ·系统采用算法 | 第42-49页 |
| ·目标检测算法 | 第42-48页 |
| ·疲劳判断算法 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 系统具体设计与实现 | 第51-65页 |
| ·系统总体设计流程 | 第51-52页 |
| ·分类器训练模块 | 第52-54页 |
| ·样本选择 | 第52-53页 |
| ·训练弱分类器 | 第53页 |
| ·训练强分类器 | 第53-54页 |
| ·级联强分类器 | 第54页 |
| ·图像采集模块 | 第54-55页 |
| ·图像处理模块 | 第55-58页 |
| ·图像灰度处理 | 第56-57页 |
| ·图像二值化处理 | 第57页 |
| ·图像增强 | 第57-58页 |
| ·目标检测模块 | 第58-61页 |
| ·目标检测的流程 | 第58-59页 |
| ·检测的优化 | 第59-61页 |
| ·疲劳判断模块 | 第61-63页 |
| ·疲劳判断指标 | 第61页 |
| ·疲劳判断设计 | 第61-63页 |
| ·判断方法优化 | 第63页 |
| ·本章小结 | 第63-65页 |
| 第5章 系统测试及结果分析 | 第65-75页 |
| ·系统测试 | 第65-71页 |
| ·系统测试界面 | 第65-66页 |
| ·系统人眼检测测试 | 第66-69页 |
| ·系统疲劳判断测试 | 第69-70页 |
| ·系统并发测试 | 第70-71页 |
| ·系统结果分析 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
