《驾驶员视觉分散特征识别及检测方法》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:路玉峰,朱淑亮著
  • 出 版 社:北京:机械工业出版社
  • 出版年份:2015
  • ISBN:9787111501510
  • 页数:177 页
图书介绍:本文从视觉分散对驾驶员驾驶性能的影响研究入手,开展驾驶员视觉分散检测技术研究,并重点研究基于视频图像分析的驾驶员视觉分散特征的提取方法。主要工作如下:(1)研究视觉分散对驾驶性能的影响。设计实验让驾驶员阅读4处位置上的2类文本信息,使其产生8种不同的视觉分散。分析驾驶员观察不同位置处视觉分散时车辆的SDLP(偏离道路中心距离的标准差),发现SDLP随着视线偏离道路中心角度的增大而增大。根据驾驶过程中驾驶员视线变化的特点,建立基于驾驶员面部姿势与视线方向识别,并包含转向行为识别的视觉分散检测模型。(2)研究多姿势下驾驶员面部、面部特征点精确定位的方法。研究利用肤色混合高斯模型预定位人脸区域,然后根据眉毛、嘴唇位置精确定位驾驶员面部的方法。(3)研究驾驶员面部姿势的提取方法,提出利用核主元分析估计驾驶员面部姿势的方法。研究核主元分析实现原理,研究利用核主元分析估计面部姿势的步骤,以及不同核函数、核函数参数对估计面部姿势精度的影响。(4)研究驾驶员视线方向提取方法,提出基于Multi—PCA(多主元分析)的视线方向估计方法。研究PCA实现原理,分析常用PCA应用于识别时存在的问题。针对驾驶环

第1章 绪论 1

1.1 研究背景及意义 1

1.1.1 研究背景 1

1.1.2 研究意义 2

1.2 驾驶员视觉分散研究历程 3

1.3 视觉分散对驾驶能力影响研究现状 4

1.3.1 评测方法 5

1.3.2 实验方法 6

1.4 驾驶员视觉分散检测研究现状 7

1.4.1 特定作业检测 8

1.4.2 认知分散检测 9

1.4.3 视觉分散检测 10

1.5 本书研究方法与主要内容 11

参考文献 12

第2章 视觉分散对驾驶能力影响分析及检测模型 17

2.1 概述 17

2.2 视觉分散影响机理 17

2.3 基于实车实验的视觉分散影响分析 19

2.3.1 实验用车及场地 19

2.3.2 实验内容 19

2.3.3 实验过程 21

2.3.4 结果分析 21

2.4 驾驶员视觉分散检测模型 24

2.4.1 驾驶员注意特征评价 24

2.4.2 驾驶员视线特点 25

2.4.3 视觉分散检测模型 26

2.5 本章小结 27

参考文献 27

第3章 多姿势下驾驶员面部精确定位 31

3.1 概述 31

3.2 基于运动信息的头部区域检测 32

3.2.1 运动目标检测方法 32

3.2.2 基于帧间差分法的驾驶员头部检测 33

3.3 建立肤色混合高斯模型 37

3.3.1 彩色空间选择 37

3.3.2 YCbCr空间下的肤色混合高斯模型 38

3.4 驾驶员面部预定位 40

3.4.1 基于图像分解和MSR算法的光照补偿 41

3.4.2 肤色区域检测 50

3.4.3 驾驶员面部预定位 52

3.5 驾驶员面部精定位 54

3.5.1 联合投影函数 54

3.5.2 眉毛上边缘定位 55

3.5.3 嘴唇检测 57

3.5.4 驾驶员脸部精定位 63

3.6 驾驶员面部图像归一化 64

3.7 本章小结 66

参考文献 66

第4章 基于核主元分析的驾驶员面部姿势估计 70

4.1 概述 70

4.2 核主元分析 71

4.2.1 基本原理 71

4.2.2 实现方法 72

4.2.3 核函数及其参数选择 74

4.3 基于核主元分析的驾驶员面部姿势估计 75

4.3.1 驾驶员面部姿势模型 75

4.3.2 图像样本采集 75

4.3.3 建立姿势曲线 76

4.3.4 面部姿势估计 80

4.4 实例分析 82

4.4.1 面部横摆角估计 82

4.4.2 核函数对估计精度的影响 83

4.4.3 面部俯仰角估计 84

4.5 本章小结 85

参考文献 85

第5章 基于Multi-PCA的驾驶员眼睛视线方向识别 87

5.1 概述 87

5.2 Multi-PCA 88

5.2.1 K-L变换 88

5.2.2 PCA实现方法 90

5.2.3 Multi-PCA算法 91

5.3 基于Multi-PCA的眼睛视线方向识别 92

5.3.1 驾驶员眼睛区域定位 92

5.3.2 建立特征空间 93

5.3.3 测试重构误差及特征空间相似度 94

5.3.4 Multi-PCA与PCA比较与分析 96

5.4 本章小结 96

参考文献 97

第6章 驾驶员转向行为识别 99

6.1 概述 99

6.2 转向类型 100

6.3 驾驶员手部检测及位置分析 100

6.3.1 手部检测 100

6.3.2 手部位置分析 101

6.4 粒子滤波跟踪 104

6.4.1 粒子滤波跟踪原理 104

6.4.2 序贯重要采样 105

6.4.3 重采样 106

6.4.4 基于直方图的粒子滤波算法 106

6.5 驾驶员手部跟踪 107

6.5.1 状态转移模型 107

6.5.2 颜色特征及其观测模型 107

6.5.3 手部跟踪 107

6.6 驾驶员转向行为识别 108

6.7 本章小结 112

参考文献 112

第7章 车道检测研究 114

7.1 概述 114

7.2 结构化道路检测 115

7.2.1 图像预处理 115

7.2.2 车道标志线分区投影 120

7.2.3 标志线特征点检测 123

7.2.4 车道标志线拟合 125

7.2.5 车道标志线跟踪 126

7.2.6 实验分析 130

7.3 非结构化道路检测 131

7.3.1 图像预处理 132

7.3.2 彩色图像分割 133

7.3.3 纹理特征分析 138

7.3.4 图像恢复 139

7.3.5 边缘拟合 139

7.3.6 实验分析 139

7.4 车辆偏离分析 140

7.4.1 车辆轨迹模型 140

7.4.2 车道偏离率 141

7.4.3 车道偏离量变化率 143

7.4.4 实验分析 144

7.5 本章小结 145

参考文献 146

第8章 基于信息融合的驾驶员疲劳检测 148

8.1 概述 148

8.2 信息融合 148

8.3 基于粗糙集理论的驾驶员疲劳检测 150

8.3.1 粗糙集理论 150

8.3.2 驾驶疲劳相关条件属性分析 152

8.3.3 疲劳程度判断 157

8.4 本章小结 160

参考文献 160

第9章 检测系统设计与检测实验 163

9.1 概述 163

9.2 视觉分散检测实验 163

9.3 驾驶疲劳检测实验 169

9.4 本章小结 172

第10章 结论与展望 173

后记 177