基于面部特征的驾驶员疲劳检测
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-22页 |
| ·研究背景及意义 | 第11-12页 |
| ·疲劳驾驶的研究现状 | 第12-16页 |
| ·基于驾驶行为的监测方法 | 第12-13页 |
| ·基于驾驶员生理特征的监测方法 | 第13-15页 |
| ·基于信息融合技术的监测方法 | 第15-16页 |
| ·面部特征的模式识别 | 第16-18页 |
| ·统计模式识别方法 | 第16-17页 |
| ·统计模式识别系统 | 第17-18页 |
| ·人脸图像分析常用人脸库 | 第18-19页 |
| ·疲劳驾驶研究目前存在的问题 | 第19-20页 |
| ·论文的主要研究工作和各章节的安排 | 第20-22页 |
| 第二章 基于肤色模型的驾驶员人脸检测 | 第22-35页 |
| ·光照补偿 | 第22-24页 |
| ·光照补偿常用的方法 | 第22-24页 |
| ·色彩空间与色彩空间的聚类 | 第24-28页 |
| ·色彩空间模型 | 第25-28页 |
| ·色彩空间的选取 | 第28页 |
| ·肤色模型的建立 | 第28-34页 |
| ·模型的选取 | 第29-31页 |
| ·阈值的选取 | 第31-34页 |
| ·直方图的计算 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于ADABOOST的驾驶员人脸检测 | 第35-49页 |
| ·AdaBoost算法 | 第35-37页 |
| ·Boosting算法 | 第35-36页 |
| ·AdaBoost算法 | 第36-37页 |
| ·Haar特征空间 | 第37-42页 |
| ·Haar特征 | 第37-39页 |
| ·积分图像 | 第39-40页 |
| ·利用积分图计算Haar特征值 | 第40-42页 |
| ·分类器的级联结构 | 第42-43页 |
| ·AdaBoost算法的优缺点 | 第43-44页 |
| ·AdaBoost算法的优点 | 第43-44页 |
| ·AdaBoost算法的缺点 | 第44页 |
| ·改进的 AdaBoost分类器的设计 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 驾驶员人眼定位与哈欠检测 | 第49-62页 |
| ·眼睛检测方法 | 第49-51页 |
| ·卡尔曼(Kalman)滤波器介绍及算法 | 第51-52页 |
| ·卡尔曼滤波器介绍 | 第51-52页 |
| ·卡尔曼滤波器算法 | 第52页 |
| ·眼睛检测 | 第52-54页 |
| ·眼睛跟踪 | 第54-57页 |
| ·打哈欠检测 | 第57-60页 |
| ·嘴巴特征 | 第58-59页 |
| ·嘴巴状态识别 | 第59-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 驾驶员疲劳状态检测 | 第62-72页 |
| ·驾驶员疲劳标准 | 第62-65页 |
| ·基于眼部状态疲劳检测 | 第62-64页 |
| ·基于嘴部状态疲劳检测 | 第64-65页 |
| ·系统硬件 | 第65页 |
| ·系统软件设计流程图 | 第65-66页 |
| ·眼睛状态的识别 | 第66-68页 |
| ·均值投影 | 第66-67页 |
| ·方差投影 | 第67页 |
| ·检测眼睛开闭状态 | 第67-68页 |
| ·嘴巴状态的识别 | 第68-69页 |
| ·疲劳检测的结果 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·本文总结 | 第72页 |
| ·本文展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间参加的科研项目和成果 | 第79页 |
