驾驶员疲劳驾驶检测算法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 疲劳状态检测研究的背景及意义 | 第10-11页 |
| 1.2 疲劳驾驶检测的研究现状 | 第11-17页 |
| 1.2.1 国外研究现状 | 第11-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 本文主要内容及工作安排 | 第17-19页 |
| 1.3.1 论文主要研究内容 | 第17-18页 |
| 1.3.2 论文结构安排 | 第18-19页 |
| 第2章 人脸、人眼检测 | 第19-27页 |
| 2.1 基于Haar特征的AdaBoost算法 | 第19-26页 |
| 2.1.1 训练过程 | 第19-25页 |
| 2.1.2 测试过程 | 第25-26页 |
| 2.2 本章小结 | 第26-27页 |
| 第3章 眼部特征点定位 | 第27-40页 |
| 3.1 瞳孔中心定位 | 第27-30页 |
| 3.1.1 图像预处理 | 第27页 |
| 3.1.2 Canny边缘检测 | 第27-29页 |
| 3.1.3 瞳孔中心定位 | 第29-30页 |
| 3.2 内外眼角点定位 | 第30-37页 |
| 3.2.1 基于USM的眼角粗定位 | 第30-31页 |
| 3.2.2 Gabor小波 | 第31-34页 |
| 3.2.3 基于Gabor小波的眼角精确定位 | 第34页 |
| 3.2.4 算法与实现 | 第34-37页 |
| 3.3 普尔钦斑点定位 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 疲劳状态判定 | 第40-58页 |
| 4.1 眼部疲劳参数的计算 | 第40-43页 |
| 4.1.1 眼睛持续闭合时间 | 第40-41页 |
| 4.1.2 眨眼频率 | 第41-42页 |
| 4.1.3 视线偏移角度 | 第42-43页 |
| 4.2 疲劳状态的判定 | 第43-51页 |
| 4.2.1 支持向量机简介 | 第43-49页 |
| 4.2.2 基于支持向量机的疲劳状态判定 | 第49-51页 |
| 4.3 实验结果与分析 | 第51-57页 |
| 4.3.1 眼部疲劳特征参数的提取 | 第52页 |
| 4.3.2 基于单一参数的疲劳状态判定 | 第52-54页 |
| 4.3.3 基于多种信息融合的疲劳状态判定 | 第54-55页 |
| 4.3.4 多种基于信息融合的检测方法 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
