駕駛輔助系統(tǒng)計算機視覺技術(shù)

前言
第1章基于視覺的駕駛員輔助
系統(tǒng)1
11面向自動駕駛的駕駛員輔助
系統(tǒng)1
12傳感器1
13基于視覺的駕駛員輔助3
14安全和舒適功能6
15VB-DAS范例7
16最新進展10
17本書的范圍14
第2章駕駛員環(huán)境理解17
21駕駛員與周圍環(huán)境17
22駕駛員監(jiān)測18
23基礎環(huán)境監(jiān)測22
24中層環(huán)境感知27
第3章計算機視覺基礎32
31圖像符號32
32積分圖像33
33RGB到HSV的轉(zhuǎn)換34
34霍夫變換直線檢測35
35攝像機37
36立體視覺和能量優(yōu)化38
37立體匹配41
第4章目標檢測、分類與跟蹤43
41目標檢測與分類43
42有監(jiān)督分類技術(shù)44
421支持向量機45
422方向梯度直方圖49
423哈爾特征53
43無監(jiān)督分類技術(shù)57
431k-均值聚類57
432高斯混合模型61
44目標跟蹤65
441均值漂移67
442連續(xù)自適應均值漂移71
443Kanade-Lucas-Tomasi(KLT)
跟蹤器71
444卡爾曼濾波75
第5章駕駛員疲勞檢測79
51引言79
52訓練階段:數(shù)據(jù)集80
53增加參數(shù)82
54應用階段:簡要的想法83
55自適應分類器85
551在具有挑戰(zhàn)性的照明條件下的
問題86
552混合強度平均86
553參數(shù)適配88
56跟蹤和搜索最小化90
561跟蹤注意事項90
562濾波器建模和實現(xiàn)91
57相位保持去噪92
58全局哈爾特征94
581全局特征與局部特征95
582動態(tài)的全局哈爾特征96
59利用局部和全局特征增強
級聯(lián)96
510試驗結(jié)果97
511總結(jié)106
第6章駕駛員注意力分散檢測108
61引言108
62非對稱外觀模型109
621模型實施110
622非對稱AAM112
63駕駛員的頭部姿態(tài)和視線
估計113
631優(yōu)化的二維到三維姿態(tài)
建模114
632通過費馬變換進行面部
匹配116
64試驗結(jié)果118
641姿態(tài)估計118
642哈欠檢測和頭部點頭
識別123
65總結(jié)123
第7章車輛檢測與距離估計125
71引言125
72方法概覽127
73自適應全局特征哈爾分類器129
74直線與角點特征131
741水平邊緣132742特征點檢測134
75基于尾燈的檢測135
751尾燈規(guī)格：討論136
752色譜分析137
753尾燈分割138
754基于模板匹配的尾燈
配對139
755基于虛擬對稱檢測的尾燈
配對140
76數(shù)據(jù)融合和時間信息143
77車距估計146
78試驗結(jié)果149
781距離估計149
782車輛檢測器的評估150
79總結(jié)160
第8章避免碰撞的模糊融合162
81引言162
82系統(tǒng)組成163
83模糊器和隸屬函數(shù)164
84模糊推理和融合引擎167
841隱含規(guī)則168
842聚合規(guī)則168
85去模糊化168
86試驗結(jié)果169
87總結(jié)175
參考文獻177