文摘
英文文摘
声明
第一章绪论
1.1问题的提出和意义
1.2人脸检测研究现状与分析
1.2.1人脸检测问题的分类
1.2.2人脸模式特征分类
1.2.3人脸检测的主要方法
1. 3人脸检测常用人脸库
1.4论文的主要研究内容及结构安排
第二章基于知识和支持向量机的人脸检测
2.1引言
2.2支持向量机理论
2.2.1线性SVM
2.2.2非线性SVM
2.3基于结构特征的人脸检测
2.3.1基于同态滤波的图像增强
2.3.2基于K均值聚类的图像分割
2.3.3提取候选眼睛对
2.3.4眼睛对确认
2.3.5实验结果和分析
2.4基于矩形特征的人脸检测
2.4.1积分图
2.4.2构造矩形特征
2.4.3提取人脸候选区域
2.4.4人脸确认
2.4.5实验结果和分析
2.5本章小结
第三章基于混合特征和ADABOOST算法的人脸检测
3.1引言
3.2 Adaboost算法
3.2.1 PAC学习模型
3.2.2弱学习与强学习
3.2.3 Boosting方法
3.2.4 Adaboost算法
3.3基于混合特征的Adaboost人脸检测
3.3.1算法总体结构
3.3.2 Haar特征及Cascade结构
3.3.3 PCA-Adaboost算法
3.3.4分类器集成
3.3.5实验结果与分析
3.4多视角人脸检测
3.4.1姿态建模
3.4.2构造检测器结构
3.4.3实验结果与分析
3.5本章小结
第四章脸部特征定位算法
4.1引言
4.2基于方差滤波器的眼睛定位
4.2.1眼睛对定位
4.2.2构造方差滤波器
4.2.3眼睛精确定位
4.2.4实验结果和分析
4.3基于图像灰度熵的脸部特征定位
4.3.1图像灰度熵
4.3.2基于灰度熵的候选眼睛提取
4.3.3眼睛确认
4.3.4嘴部精确定位
4.3.5实验结果和分析
4.4本章小结
第五章基于机器视觉的驾驶员疲劳检测
5.1引言
5.2疲劳检测方法分类
5.3眼睛定位
5.3.1提取候选眼睛区域
5.3.2眼睛精确定位
5.4基于粒子滤波器的眼睛跟踪
5.4.1粒子滤波器原理
5.4.2眼睛特征提取
5.4.3观测概率模型
5.4.4眼睛跟踪
5.5眼睛跟踪结果确认
5.5.1基于CamShift的人脸跟踪
5.5.2眼睛跟踪结果确认
5.6疲劳状态检测
5.7实验结果与分析
5.8本章小结
结束语
致谢
参考文献
附录 作者在攻读博士学位期间完成的论文: