驾驶辅助系统计算机视觉技术

前言

第1章基于视觉的驾驶员辅助系统1
1.1面向自动驾驶的驾驶员辅助系统1
1.2传感器1
1.3基于视觉的驾驶员辅助3
1.4安全和舒适功能6
1.5VB-DAS范例7
1.6进展10
1.7本书的范围14
第2章驾驶员环境理解17
2.1驾驶员与周围环境17
2.2驾驶员监测18
2.3基础环境监测22
2.4中层环境感知27
第3章计算机视觉基础32
3.1图像符号32
3.2积分图像33
3.3RGB到HSV的转换34
3.4霍夫变换直线检测35
3.5摄像机37
3.6立体视觉和能量优化38
3.7立体匹配41
第4章目标检测、分类与跟踪43
4.1目标检测与分类43
4.2有监督分类技术44
4.2.1支持向量机45
4.2.2方向梯度直方图49
4.2.3哈尔特征53
4.3无监督分类技术57
4.3.1k-均值聚类57
4.3.2高斯混合模型61
4.4目标跟踪65
4.4.1均值漂移67
4.4.2连续自适应均值漂移71
4.4.3Kanade-Lucas-Tomasi(KLT)跟踪器71
4.4.4卡尔曼滤波75
第5章驾驶员疲劳检测79
5.1引言79
5.2训练阶段:数据集80
5.3增加参数82
5.4应用阶段:简要的想法83
5.5自适应分类器85
5.5.1在具有挑战性的照明条件下的问题86
5.5.2混合强度平均86
5.5.3参数适配88
5.6跟踪和搜索小化90
5.6.1跟踪注意事项90
5.6.2滤波器建模和实现91
5.7相位保持去噪92
5.8全局哈尔特征94
5.8.1全局特征与局部特征95
5.8.2动态的全局哈尔特征96
5.9利用局部和全局特征增强级联96
5.10试验结果97
5.11总结106
第6章驾驶员注意力分散检测108
6.1引言108
6.2非对称外观模型109
6.2.1模型实施110
6.2.2非对称AAM112
6.3驾驶员的头部姿态和视线估计113
6.3.1优化的二维到三维姿态建模114
6.3.2通过费马变换进行面部匹配116
6.4试验结果118
6.4.1姿态估计118
6.4.2哈欠检测和头部点头识别123
6.5总结123
第7章车辆检测与距离估计125
7.1引言125
7.2方法概览127
7.3自适应全局特征哈尔分类器129
7.4直线与角点特征131
7.4.1水平边缘1327.4.2特征点检测134
7.5基于尾灯的检测135
7.5.1尾灯规格：讨论136
7.5.2色谱分析137
7.5.3尾灯分割138
7.5.4基于模板匹配的尾灯配对139
7.5.5基于虚拟对称检测的尾灯配对140
7.6数据融合和时间信息143
7.7车距估计146
7.8试验结果149
7.8.1距离估计149
7.8.2车辆检测器的评估150
7.9总结160
第8章避免碰撞的模糊融合162
8.1引言162
8.2系统组成163
8.3模糊器和隶属函数164
8.4模糊推理和融合引擎167
8.4.1隐含规则168
8.4.2聚合规则168
8.5去模糊化168
8.6试验结果169
8.7总结175
参考文献177