基于计算机视觉的汽车安全辅助驾驶若干关键问题研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 图片列表 | 第12-14页 |
| 表格列表 | 第14-15页 |
| 第一章 绪论 | 第15-28页 |
| ·研究背景介绍 | 第15-17页 |
| ·国内外研究现状 | 第17-24页 |
| ·与疲劳驾驶检测相关的研究 | 第18-22页 |
| ·与行人检测相关的研究 | 第22-24页 |
| ·本文的主要工作及结构安排 | 第24-28页 |
| ·本文的主要工作 | 第25-26页 |
| ·本文的结构安排 | 第26-28页 |
| 第二章 眼睛及嘴巴状态检测 | 第28-46页 |
| ·眼睛及嘴巴状态检测方法综述 | 第28-31页 |
| ·基于底层特征的方法 | 第28-29页 |
| ·基于形状模型的方法 | 第29-31页 |
| ·基于统计学习的方法 | 第31页 |
| ·眼睛及嘴巴状态检测研究 | 第31-41页 |
| ·特征提取 | 第32-38页 |
| ·LBP算子 | 第33-35页 |
| ·基于LBP算子的特征提取 | 第35-38页 |
| ·基于级联AdaBoost的分类器设计 | 第38-41页 |
| ·本章实验 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第三章 头部姿态估计 | 第46-73页 |
| ·头部姿态估计综述 | 第46-47页 |
| ·眼部及嘴部特征点定位 | 第47-54页 |
| ·眼角点定位 | 第48-52页 |
| ·眼角模型的建立 | 第48-49页 |
| ·基于眼角模型的特征提取 | 第49-51页 |
| ·基于逻辑回归的特征融合 | 第51-52页 |
| ·嘴角点定位 | 第52页 |
| ·眼角及嘴角点定位实验 | 第52-54页 |
| ·头部姿态估计 | 第54-69页 |
| ·头部姿态的表示方式 | 第54-56页 |
| ·成像变换及摄像机几何模型 | 第56-60页 |
| ·POSIT算法 | 第60-65页 |
| ·头部姿态的求解 | 第65-68页 |
| ·头部姿态估计相关实验 | 第68-69页 |
| ·本章小结 | 第69-73页 |
| 第四章 基于贝叶斯网络的疲劳状态估计 | 第73-82页 |
| ·贝叶斯网络 | 第73-76页 |
| ·基于贝叶斯网络建立疲劳模型 | 第76-80页 |
| ·影响疲劳的主要因素 | 第76页 |
| ·根据脸部特征建立疲劳观测参数 | 第76-77页 |
| ·建立条件概率表 | 第77-80页 |
| ·本章实验 | 第80页 |
| ·本章小结 | 第80-82页 |
| 第五章 行人检测 | 第82-99页 |
| ·行人检测综述 | 第82-84页 |
| ·基于运动信息的方法 | 第82-83页 |
| ·基于模板匹配的方法 | 第83页 |
| ·基于人体配置模型的方法 | 第83页 |
| ·基于统计分类的方法 | 第83-84页 |
| ·行人检测研究 | 第84-93页 |
| ·基于chamfer匹配的候选区域选取 | 第85-87页 |
| ·人体模型的隐马尔可夫求解 | 第87-91页 |
| ·基于隐马尔可夫模型定义人体结构 | 第87-90页 |
| ·各部分区域特征匹配概率的定义 | 第90-91页 |
| ·候选区域间连接概率的定义 | 第91页 |
| ·全局约束 | 第91-93页 |
| ·本章实验 | 第93-94页 |
| ·本章小结 | 第94-99页 |
| 第六章 总结与展望 | 第99-102页 |
| ·本文工作总结 | 第99-100页 |
| ·展望 | 第100-102页 |
| 参考文献 | 第102-109页 |
| 致谢 | 第109-110页 |
| 发表的学术论文 | 第110页 |
