機器視覺技術(shù)在安全輔助駕駛中的應(yīng)用

目錄回到頂部↑《機器視覺技術(shù)在安全輔助駕駛中的應(yīng)用》
第1章 緒論
1．1 安全輔助駕駛技術(shù)
1．1．1 安全輔助駕駛系統(tǒng)
1．1．2 安全輔助駕駛技術(shù)發(fā)展
1．i．3 安全輔助控制系統(tǒng)
1．1．4 安全輔助系統(tǒng)
1．1．5 安全輔助駕駛系統(tǒng)分類
1．2 駕駛員安全狀態(tài)檢測技術(shù)
1．2．1 直接檢測法
1．2．2 間接檢測法
1．2．3 駕駛員疲勞原因及預(yù)防措施
1．3 本章小結(jié)
第2章 基于機器視覺的駕駛員安全狀態(tài)監(jiān)測
2．1 駕駛員面部定位算法
2．1．1 面部檢測概述
2．1．2 顏色空間的轉(zhuǎn)換
2．1．3 系統(tǒng)選用顏色
2．1．4 基于高斯分布的皮膚顏色模型
2．1．5 面部定位算法
.2．1．6 小結(jié)
2．2 駕駛員眼睛定位算法
2．2．1 眼睛定位方法概述
2．2．2 人眼定位圖像預(yù)處理
2．2．3 駕駛員眼睛定位
2．2．4 小結(jié)
2．3 駕駛員眼睛跟蹤算法
2．3．1 目標跟蹤方法概述
2．3．2 感興趣區(qū)域
2．3．3 hausdorff距離
2．3．4 眼睛目標跟蹤
2．3．5 試驗驗證
2．3．6 提高算法處理速度的方法
2．3．7 小結(jié)
2．4 本章小結(jié)
第3章 駕駛員疲勞狀態(tài)分析
3．1 基于神經(jīng)網(wǎng)絡(luò)方法的疲勞狀態(tài)分析
3．1．1 概述
3．1．2 模式識別和模式
3．1．3 人工神經(jīng)網(wǎng)絡(luò)
3．1．4 選取反向傳播(bp)網(wǎng)絡(luò)的原因
3．1．5 bp申經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
3．1．6 bp神經(jīng)網(wǎng)絡(luò)的學習算法
3．1．7 隱層節(jié)點數(shù)的優(yōu)化與選取
3．1．8 學習率η對學習速度的影響
3．1．9 兩種識別算法舉例
3．1．10 眨眼頻率分析
3．1．1l 小結(jié)
3．2 基于特征提取方法的疲勞狀態(tài)分析
3．2．1 概述
3．2．2 特征與特征提取
3．2．3 幾何畸變矯正
3．2．4 駕駛員眼睛紋理特征的提取
3．2．5 駕駛員眼睛幾何特征的提取
3．2．6 小結(jié)
3．3 基于模糊控制的疲勞狀態(tài)分析
3．3．1 模糊控制
3．3．2 變量選擇與論域分割
3．3．3 模糊控制規(guī)則
3．3．4 模糊控制器對疲勞程度的評判
3．4 本章小結(jié)
第4章 駕駛員注意力狀態(tài)分析
4．1 駕駛員面部朝向汁算方法
4．1．1 駕駛員注意特征檢測系統(tǒng)構(gòu)建
4．1．2 面部特征定位
4．1．3 駕駛員面部朝向計算方法
4．1．4 小結(jié)
4．2 駕駛員注意力分散
4．2．1 體系概述
4．2．2 注意力分散檢測
4．2．3 注意力分散種類及判定
4．3 駕駛員視線方向識別
4．3．1 multi-pca
4．3．2 基于multi-pca的眼睛視線方向識別
4．3．3 實驗結(jié)果及分析
4．4 本章小結(jié)
第5章 總結(jié)與展望
5．1 總結(jié)
5．1．1 成果
5．1．2 創(chuàng)新點
5．1．3 不足及建議
5．2 展望
5．3 結(jié)束語
參考文獻