機器視覺(jué)技術(shù)在安全輔助駕駛中的應用簡(jiǎn)介，目錄書(shū)摘
2020-04-21 18:10
來(lái)源：京東
作者：京東
機器視覺(jué)技術(shù)在安全輔助駕駛中的應用
暫無(wú)報價(jià)
20+評論
100%好評
編輯推薦:
內容簡(jiǎn)介: 《機器視覺(jué)技術(shù)在安全輔助駕駛中的應用》系統介紹了機器視覺(jué)技術(shù)在安全輔助駕駛領(lǐng)域內的相關(guān)應用研究，是作者多年來(lái)從事安全輔助駕駛教學(xué)與科研工作的成果總結，同時(shí)融入了國內外同行近年來(lái)所取得的一些最新成果。
《機器視覺(jué)技術(shù)在安全輔助駕駛中的應用》共分5章，包括安全輔助駕駛技術(shù)發(fā)展現狀、駕駛員安全狀態(tài)檢測技術(shù)的研究進(jìn)展、基于機器視覺(jué)的駕駛員面部定位算法、基于機器視覺(jué)的駕駛員眼睛定位算法、基于機器視覺(jué)的駕駛員疲勞狀態(tài)分析算法、基于神經(jīng)網(wǎng)絡(luò )方法的疲勞狀態(tài)分析算法、基于特征提取方法的疲勞狀態(tài)分析算法、駕駛員面部朝向計算方法，最后為全書(shū)的總結與展望。
《機器視覺(jué)技術(shù)在安全輔助駕駛中的應用》適用于從事智能交通領(lǐng)域工作的工程技術(shù)人員閱讀，也可作為大專(zhuān)院校交通工程、計算機應用等專(zhuān)業(yè)的教學(xué)參考書(shū)。
《機器視覺(jué)技術(shù)在安全輔助駕駛中的應用》共分5章，包括安全輔助駕駛技術(shù)發(fā)展現狀、駕駛員安全狀態(tài)檢測技術(shù)的研究進(jìn)展、基于機器視覺(jué)的駕駛員面部定位算法、基于機器視覺(jué)的駕駛員眼睛定位算法、基于機器視覺(jué)的駕駛員疲勞狀態(tài)分析算法、基于神經(jīng)網(wǎng)絡(luò )方法的疲勞狀態(tài)分析算法、基于特征提取方法的疲勞狀態(tài)分析算法、駕駛員面部朝向計算方法，最后為全書(shū)的總結與展望。
《機器視覺(jué)技術(shù)在安全輔助駕駛中的應用》適用于從事智能交通領(lǐng)域工作的工程技術(shù)人員閱讀，也可作為大專(zhuān)院校交通工程、計算機應用等專(zhuān)業(yè)的教學(xué)參考書(shū)。
作者簡(jiǎn)介:
目錄: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
1.1.2 安全輔助駕駛技術(shù)發(fā)展
1.1.3 安全輔助控制系統
1.1.4 安全輔助系統
1.1.5 安全輔助駕駛系統分類(lèi)
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防措施
1.3 本章小結
第2章 基于機器視覺(jué)的駕駛員安全狀態(tài)監測
2.1 駕駛員面部定位算法
2.1.1 面部檢測概述
2.1.2 顏色空間的轉換
2.1.3 系統選用顏色
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
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 人眼定位圖像預處理
2.2.3 駕駛員眼睛定位
2.2.4 小結
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
2.4 本章小結
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神經(jīng)網(wǎng)絡(luò )的結構
3.1.6 BP神經(jīng)網(wǎng)絡(luò )的學(xué)習算法
3.1.7 隱層節點(diǎn)數的優(yōu)化與選取
3.1.8 學(xué)習率n對學(xué)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
3.1.11 小結
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
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 模糊控制規則
3.3.4 模糊控制器對疲勞程度的評判
3.4 本章小結
第4章 駕駛員注意力狀態(tài)分析
4.1 駕駛員面部朝向計算方法
4.1.1 駕駛員注意特征檢測系統構建
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
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(lèi)及判定
4.3 駕駛員視線(xiàn)方向識別
4.3.1 Multi-PCA
4.3.2 基于Multi-PCA的眼睛視線(xiàn)方向識別
4.3.3 實(shí)驗結果及分析
……
第5章 總結與展望
參考文獻
1.1 安全輔助駕駛技術(shù)
1.1.1 安全輔助駕駛系統
1.1.2 安全輔助駕駛技術(shù)發(fā)展
1.1.3 安全輔助控制系統
1.1.4 安全輔助系統
1.1.5 安全輔助駕駛系統分類(lèi)
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防措施
1.3 本章小結
第2章 基于機器視覺(jué)的駕駛員安全狀態(tài)監測
2.1 駕駛員面部定位算法
2.1.1 面部檢測概述
2.1.2 顏色空間的轉換
2.1.3 系統選用顏色
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
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 人眼定位圖像預處理
2.2.3 駕駛員眼睛定位
2.2.4 小結
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
2.4 本章小結
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神經(jīng)網(wǎng)絡(luò )的結構
3.1.6 BP神經(jīng)網(wǎng)絡(luò )的學(xué)習算法
3.1.7 隱層節點(diǎn)數的優(yōu)化與選取
3.1.8 學(xué)習率n對學(xué)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
3.1.11 小結
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
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 模糊控制規則
3.3.4 模糊控制器對疲勞程度的評判
3.4 本章小結
第4章 駕駛員注意力狀態(tài)分析
4.1 駕駛員面部朝向計算方法
4.1.1 駕駛員注意特征檢測系統構建
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
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(lèi)及判定
4.3 駕駛員視線(xiàn)方向識別
4.3.1 Multi-PCA
4.3.2 基于Multi-PCA的眼睛視線(xiàn)方向識別
4.3.3 實(shí)驗結果及分析
……
第5章 總結與展望
參考文獻
相關(guān)商品
京公網(wǎng)安備 11000002000088號
