文摘
英文文摘
第一章绪论
1.1驾驶疲劳检测的意义
1.2驾驶疲劳机理分析
1.2.1.驾驶疲劳定义及其表现
1.2.2.疲劳分类及驾驶疲劳特性
1.2.3.驾驶疲劳的原因分析
第二章驾驶疲劳检测技术
2.1驾驶疲劳检测技术概论
2.2对生理信号的检测
2.2.1.监测脑电图(EEG,electroencephalography)
2.2.2.监测心电图(EKG,electrocardiogram)
2.2.3.监测肌电图(EMG,electromyography)
2.3对物理反应的检测
2.3.1.利用头的位置检测疲劳
2.3.2.利用嘴部状况检测疲劳
2.3.3.利用眼睛状态检测疲劳
2.3.4.利用瞳孔特征检测疲劳
2.3.5.利用跟踪视线检测疲劳
2.3.6.利用血液流动和呼吸状态检测疲劳
2.3.7.利用其它物理量检测疲劳
2.4对驾驶行为与车辆行为的检测
2.4.1.利用方向盘运动参数检测疲劳
2.4.2.利用侧位移变化检测疲劳
2.5几种主要驾驶疲劳检测方法的比较
2.6 PERCLOS方法
2.7驾驶疲劳检测方法发展趋势
第三章基于红眼效应的人眼检测系统
3.1机器视觉理论
3.1.1.机器视觉概念
3.1.2.视觉技术的理论基础
3.1.3.机器视觉涉及的学科领域和技术
3.2人眼检测方法
3.3系统方案设计
3.3.1.系统架构设计
3.3.2.光源结构设计
3.3.3.系统检测原理
3.3.4.系统组成
第四章人脸图像采集
4.1图像采集系统结构
4.2 LED光源
4.2.1.LED基本结构及其发光原理
4.2.2.LED选用
4.2.3.LED驱动电路
4.3图像捕获
4.3.1.CMOS与CCD的比较
4.3.2.CMOS图像传感器技术原理
4.3.3.本系统选用的CMOS图像传感器
4.4图像信息的传输
4.4.1.USB传输方式简介
4.4.2.图像信息传输方案
4.4.3.FX2芯片介绍
4.4.4.图像传输硬件设计
4.4.5.图像传输软件设计
第五章人眼识别及跟踪
5.1模式识别技术
5.1.1.模式识别概念及其分类
5.1.2.统计法模式识别
5.1.3.句法模式识别
5.1.4.样版匹配模式识别
5.1.5.神经网络模式识别
5.2图像的分割处理
5.2.1.图像分割技术
5.2.2.对差分图像的阈值分割
5.2.3.自适应阈值的选择
5.3人眼状态识别
5.3.1.特征提取方法
5.3.2.K-L(Karhunen-Loeve)变换
5.3.3.基于PCA方法的人眼特征提取
5.3.4.特征分类及人眼状态识别
5.3.5.PCA方法的改进
5.4基于Kalman滤波的人眼跟踪
5.4.1.Kalman滤波器
5.4.2.本系统中Kalman滤波的实现
5.5 PERCLOS计算
第六章总结与展望
6.1论文主要工作与总结
6.2项目展望及下一步工作
参考文献
致谢