杜勇著的《模式識別應用--駕駛者異常狀態識別
》遵循模式識別的經典過程，以駕駛者各種異常狀態
的識別為背景，重點針對駕駛疲勞及由藥物、醉酒等
造成的嗜睡狀態等進行識別。雖然產生這些異常狀態
的原因不同，但其有著較為相似的面部行為，如為眨
眼變慢、打哈欠等類似困倦的表現，然而也有很多疲
勞的神情比較細微，難以提取顯著的特征來對其進行
描述和分類，這些都是本書將要探討的內容。
本書可作為高等院校智能交通工程、計算機、電
子信息等專業研究生和高年級本科生的相關課程教材
或參考書，也可供從事模式識別研究與應用的科技人
員和管理人員參考。

第1篇 模式識別框架基礎
緒論
第1章 道路交通安全與疲勞駕駛識別方法概述
1.1 應用背景及研究意義
1.2 疲勞駕駛識別方法概述
1.2.1 主觀評價方式
1.2.2 客觀度量方式
1.3 疲勞駕駛識別研究發展趨向
1.4 本章小結
第2章 人臉及其局部單元的檢測方法
2.1 引言
2.2 基於膚色建模的人臉及其局部單元檢測
2.2.1 色彩空間的選擇與預處理
2.2.2 基於膚色信息的人臉定位及區域優化
2.2.3 基於局部模板匹配的人臉區域再定位
2.3 基於Haar-like特征與信息強化圖的人臉及其局部單元檢測
2.3.1 AdaBoost學習框架下基於Haar。like特征的快速人臉檢測
2.3.2 基於強化圖像的局部單元定位
2.4 環境因素對人臉定位的影響及其消除
2.5 本章小結

第2篇 基於顯著面部表現的駕駛者異常狀態識別
第3章 駕駛者眨眼異常狀態識別
3.1 引言
3.2 問題的提出
3.3 典型眨眼過程提取
3.4 基於S變換的疲勞能量指數計算
3.5 實驗與分析
3.6 本章小結
第4章 駕駛者打哈欠過程識別
4.1 引言
4.2 問題的提出
4.3 特征提取與選擇
4.4 統計學習理論與支持向量機
4.4.1 結構風險控制
4.4.2 支持向量機分類模型
4.5 實驗與分析
4.6 本章小結

第3篇 基於非顯著面部表現的駕駛者異常
狀態識別及研究擴展
第5章 基於多區域證據支持的駕駛者疲勞狀態識別
5.1 引言
5.2 問題的提出
5.3 多層面信息獲取
5.3.1 局部線性嵌入
5.3.2 多區域證據
5.4 基於粗糙集的特征評價
5.4.1 模糊粗糙集
5.4.2 特征選擇算法