文摘
英文文摘
声明
第1章 绪论
1.1课题的研究背景及意义
1.2国内外研究现状
1.2.1驾驶员非线性眼动跟踪中的基本问题
1.2.2现实环境下驾驶员人眼检测
1.2.3现实环境下驾驶员眼动跟踪
1.3目前存在的问题
1.4本文的主要研究成果
1.5论文的组织结构
第2章 基于二维正交Log-Gabor滤波的驾驶员人眼检测
2.1引言
2.2基于Harr特征的人眼检测
2.3基于二维正交Log-Gabor滤波的人眼检测
2.3.1 Gabor滤波
2.3.2二维Gabor滤波
2.3.4二维Log-Gabor滤波
2.3.5基于二维正交Log-Gabor滤波的驾驶员人眼检测
2.4实验及性能分析
2.5本章小结
第3章 基于自适应模糊强跟踪EKF算法的驾驶员眼动跟踪方法
3.1引言
3.2基于解剖学的驾驶员视觉生理基础
3.2.1人眼生理视觉基础
3.2.2基于解剖学的眼动视觉控制理论
3.3驾驶员眼动机制
3.4在线强跟踪双L变量的驾驶员非线性眼动模型
3.5强跟踪滤波理论
3.5.1强跟踪滤波的引入
3.5.2正交性原理
3.5.3带多重次优渐消因子的强跟踪滤波器
3.6自适应模糊强跟踪有限差分EKF滤波算法
3.6.1 Takagi-Sugeno自适应模糊逻辑控制
3.6.2自适应模糊强跟踪有限差分EKF滤波算法
3.7实验及性能分析
3.7.1实验一:仿真实验
3.7.2实验二:现实驾驶环境下的驾驶员眼动跟踪
3.7.3实验三:基于红外光源的驾驶员眼动跟踪
3.7.4实验四:红外光源对驾驶员人眼伤害评估测试
3.8本章小结
第4章 基于自适应强跟踪简化UKF算法的驾驶员眼动跟踪方法
4.1引言
4.2 UKF滤波算法
4.2.1算法简介
4.2.2问题描述
4.2.3 UT变换
4.2.4 UKF滤波算法
4.3自适应强跟踪简化UKF滤波算法
4.3.1算法复杂度分析
4.3.2算法鲁棒性分析
4.4实验及性能分析
4.4.1实验一:仿真实验
4.4.2实验二:现实驾驶环境下的驾驶员眼动跟踪
4.4.3实验三:特殊光源下驾驶员眼动跟踪
4.5本章小结
第5章 基于多尺度强跟踪粒子滤波算法的驾驶员眼动跟踪方法
5.1引言
5.2粒子滤波算法
5.2.1粒子滤波简介
5.2.2粒子进化及贝叶斯重要性采样原理
5.2.3 SIS序列重要性采样原理
5.2.4重采样原理及粒子滤波算法结构
5.2.5算法比较
5.3小波多尺度分解
5.3.1小波变换
5.3.2多尺度分解
5.4多尺度强跟踪粒子滤波算法
5.5实验及性能分析
5.5.1实验一:现实驾驶环境下的驾驶员眼动跟踪
5.5.2实验二:基于双目视觉阵列的驾驶员眼动跟踪
5.6本章小结
第6章 基于眼动跟踪算法的驾驶员疲劳检测
6.1引言
6.2驾驶员疲劳检测评估方法
6.2.1基于生物特征参数的驾驶员疲劳检测
6.2.2基于驾驶行为模型的驾驶员疲劳检测
6.2.3基于统计数学模型的驾驶员疲劳检测
6.2.4基于视觉计算的驾驶员疲劳检测
6.3基于眼动跟踪算法的驾驶员疲劳检测
6.4实验及性能分析
6.4.1实验一:采样强跟踪非线性滤波眼动跟踪算法性能比较
6.4.2实验二:基于眼动跟踪的驾驶员疲劳检测
6.5本章小结
结论
致谢
参考文献
附录:部分实验车辆及测试照片
攻读博士学位期间发表的学术论文及科研成果