分析检测基于机器视觉疲劳驾驶检测算法前言

摘要5-6

Abstract6-9

第一章 绪论9-15

1.1 本课题探讨的背景和作用9-10

1.2 国内外探讨近况10-13

1.3 论文完成的工作13-14

1.4 论文的组织14-15

第二章 基于机器视觉的疲劳驾驶检测算法介绍15-20

2.1 疲劳驾驶检测系统原理15-16

2.2 人脸检测策略概述16-17

2.3 人眼定位策略概述17-18

2.4 软件开发工具18-20

第三章 驾驶员人脸检测20-52

3.1 基于肤色的人脸检测20-38

3.1.1 光线补偿21-22

3.1.2 色彩空间的选择22-24

3.1.3 YCbCr 色彩空间非线性变换24-26

3.1.4 建立高斯肤色模型26-27

3.1.5 图像二值化及去噪27-30

3.1.6 人脸区域分割30-37

3.1.7 基于肤色的人脸检测总结37-38

3.2 基于 AdaBoost 算法的人脸检测38-47

3.2.1 机器学习概述38-39

3.2.2 弱学习和强学习概念39

3.2.3 Boosting 学习算法39-40

3.2.4 AdaBoost 算法40-42

3.2.5 基于积分图像的 AdaBoost 人脸检测算法42-47

3.3 人脸检测实验结果47-51

3.4 本章小结51-52

第四章 驾驶员人眼检测52-66

4.1 基于边缘特点的人眼定位52-57

4.1.1 人脸边缘检测52-54

4.1.2 人眼粗定位54-56

4.1.3 人眼精确定位56-57

4.2 基于二值化人眼定位57-61

4.2.1 图像反射分量58-59

4.2.2 灰度图二值化59-60

4.2.3 人眼精确定位60-61

4.3 人眼检测实验结果61-65

4.3.1 人脸数据库检测61-63

4.3.2 室内环境和车内环境检测63-65

4.4 本章小结65-66

第五章 疲劳状态检测66-72

5.1 PERCLOS 算法原理66-67

5.2 区域生长法提取瞳孔67

5.3 疲劳状态判别67-69

5.4 疲劳检测实验结果69-71

5.5 本章小结71-72

总结与展望72-74