文摘
英文文摘
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.2.1 疲劳驾驶检测方法的研究难点
1.2.2 疲劳驾驶检测方法的研究现状
1.2.3 疲劳驾驶检测系统的研究现状
1.3 研究目标及方法
1.4 论文结构及研究内容
1.5 本章小结
第二章 基于机器视觉的驾驶员脸部检测
2.1 引言
2.2 基于Haar-like特征的人脸检测算法
2.2.1 基于Haar-like特征的脸部检测
2.2.2 改进的基于Haar-like特征的脸部检测
2.3 基于肤色特征的人脸检测算法
2.3.1 光照补偿
2.3.2 颜色空间选择及转换
2.3.3 肤色相似灰度值的计算
2.3.4 改进Otsu肤色分割算法
2.3.5 脸部边界确定及检测结果
2.4 基于多特征双重匹配验证的人脸检测
2.4.1 单一特征检测算法的局限
2.4.2 驾驶员脸部检测融合算法
2.5 本章小结
第三章 用于检测疲劳驾驶的车道线实时检测算法
3.1 引言
3.2 车道线检测总体方案
3.3 车道线模型
3.4 感兴趣区域的确定
3.5 图像预处理
3.5.1 图像滤波
3.5.2 基于车道线特征的滤波算法
3.5.3 基于Sobel边缘检测的车道线边缘提取
3.5.4 梯度方向角直方图筛选
3.5.5 车道线连通性分析
3.6 车道线参数提取
3.6.1 基于Hough变换的车道线参数提取
3.6.2 基于最小二乘拟合的车道线参数提取
3.7 基于Kalman滤波的车道线跟踪算法
3.7.1 Kalman滤波的基本理论和预测流程
3.7.2 基于Kalman滤波的车道线跟踪
3.8 车道线实时检测实验
3.9 本章小结
第四章 疲劳特征参数计算及疲劳度的量化
4.1 引言
4.2 疲劳特征参数计算
4.2.1 眼部疲劳特征提取及计算
4.2.2 嘴部疲劳特征提取及计算
4.2.3 异常偏离车道特征提取及计算
4.3 疲劳度的量化
4.3.1 疲劳度的主观量化
4.3.2 疲劳度的客观量化
4.3.3 疲劳度的综合量化
4.3.4 疲劳度量化实验
4.4 疲劳特征参数跟疲劳度的相关性分析
4.5 本章小结
第五章 疲劳驾驶融合检测
5.1 引言
5.2 基于Takagi-Sugeno模型的网络结构
5.3 网络的结构及参数优化
5.3.1 减法聚类确定网络结构及初始参数
5.3.2 改进遗传算法优化网络参数
5.3.3 改进粒子群算法优化网络参数
5.4 样本选择及网络训练
5.4.1 样本选择
5.4.2 神经网络仿真训练
5.4.3 疲劳驾驶检测模拟实验
5.5 本章小结
第六章 结论
6.1 主要成果总结
6.2 进一步研究的展望
致谢
参考文献
攻读博士学位期间取得的科研成果及获奖情况