| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 疲劳驾驶的定义 | 第9-10页 |
| 1.3 疲劳驾驶的检测研究现状 | 第10-17页 |
| 1.3.1 基于驾驶员行为特征的疲劳驾驶检测 | 第11-14页 |
| 1.3.2 基于生理特征的疲劳驾驶检测 | 第14页 |
| 1.3.3 基于驾驶行为的疲劳驾驶检测 | 第14-16页 |
| 1.3.4 基于信息融合的疲劳驾驶检测 | 第16-17页 |
| 1.4 当前研究存在的问题 | 第17页 |
| 1.5 课题研究内容与章节安排 | 第17-20页 |
| 第二章 传统ASM算法的人脸定位原理 | 第20-34页 |
| 2.1 ASM算法模型 | 第20-21页 |
| 2.2 ASM全局模型的建立 | 第21-28页 |
| 2.2.1 手动标记特征点 | 第22-23页 |
| 2.2.2 形状归一化 | 第23-25页 |
| 2.2.3 PCA变换 | 第25-28页 |
| 2.3 ASM局部模型的建立 | 第28-29页 |
| 2.4 ASM特征搜索 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于改进的ASM算法的人脸定位 | 第34-46页 |
| 3.1 传统ASM算法人脸的不足 | 第34-35页 |
| 3.2 Gabor特征提取与性质 | 第35-38页 |
| 3.3 对传统ASM算法的改进 | 第38-40页 |
| 3.3.1 2D十字型概率密度模型 | 第38-39页 |
| 3.3.2 2D十字型概率密度模型的建立 | 第39-40页 |
| 3.4 2D十字型Gabor模型的建立 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 眼睛的定位及状态的判断 | 第46-56页 |
| 4.1 眼睛定位 | 第46-49页 |
| 4.2 人眼状态的检测 | 第49-51页 |
| 4.3 基于PERCOLS和眨眼频率的疲劳驾驶判定 | 第51-54页 |
| 4.3.1 PERCOLS原理 | 第51-52页 |
| 4.3.2 PERCOLS与眨眼频率相结合的疲劳状态分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 硬件设计与实验结果 | 第56-66页 |
| 5.1 系统硬件平台 | 第57-58页 |
| 5.1.1 S3C6410处理器简介 | 第57页 |
| 5.1.2 Tiny6410开发板资源 | 第57-58页 |
| 5.2 系统软件平台的搭建 | 第58-62页 |
| 5.2.1 交叉编译环境的搭建 | 第59-60页 |
| 5.2.2 Qt/E移植与集成开发环境搭建 | 第60-61页 |
| 5.2.3 系统应用软件总体设计 | 第61-62页 |
| 5.3 实验结果与分析 | 第62-65页 |
| 5.4 总结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 发表论文和参加科研情况 | 第72-74页 |
| 致谢 | 第74页 |