智能交通中的驾驶员违章行为识别算法研究及软件系统设计

发布时间：2021-03-15 19:35

　　随着经济飞速发展,人均汽车保有量不断增加,交通安全问题开始日益严峻。据相关统计,驾驶员的违章行为是造成交通事故发生最主要的原因。因此,传统的交通系统已经不能满足交通管理的需求,目前迫切需要一种高效智能的交通检测系统来识别驾驶员的违章行为,从而最大程度避免交通事故的发生。基于计算机视觉的驾驶员违章行为检测系统具有非侵入、实时高效等优点,逐渐得到了推广。本文主要对智能交通中的驾驶员违章行为识别算法进行了研究,并设计了一套驾驶员违章行为检测系统,实现了对车辆的车窗检测、驾驶员安全带佩戴识别和打电话识别。本文的研究工作主要在以下几个方面:（1）在已有的技术和研究基础上,采用积分投影结合MBI特征对传统的车窗区域提取算法进行改进,完成对车窗区域图像的精确提取。（2）研究安全带佩戴识别算法,使用Hough变换检测直线方法找出驾驶员位置图像的直线信息,再根据判定条件分类进行安全带佩戴识别。再基于HOG特征和SVM重新设计安全带佩戴识别算法,与前一种方法进行对比,取得更好的检测效果。（3）研究驾车打电话识别算法,首先仿造Alex Net的结构设计识别驾驶员人脸区域的卷积神经网络,再用人脸区域的位置定位... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

卡口摄像机

RobertsCross边缘检测算子Roberts算子检测出的边缘宽度较大，对噪声的抗干扰能力不强，并且阈值需要人

Prewitt边缘检测算子

【参考文献】：
期刊论文
[1]基于多特征集成的卡口图像前车窗的定位算法[J]. 曲宝珠,曹国,刘宇,周丽存.  信息技术. 2016(12)
[2]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[3]基于联合HOG特征的车牌识别算法[J]. 殷羽,郑宏,高婷婷,刘操.  计算机工程与设计. 2015(02)
[4]智能交通系统综述[J]. 赵娜,袁家斌,徐晗.  计算机科学. 2014(11)
[5]基于机器视觉的驾驶人使用手持电话行为检测[J]. 张波,王文军,魏民国,成波.  吉林大学学报(工学版). 2015(05)
[6]基于LBP和深度学习的非限制条件下人脸识别算法[J]. 梁淑芬,刘银华,李立琛.  通信学报. 2014(06)
[7]一种基于HOG-PCA的高效图像分类方法[J]. 李林,吴跃,叶茂.  计算机应用研究. 2013(11)
[8]基于边缘的SSIM图像质量客观评价方法[J]. 田浩南,李素梅.  光子学报. 2013(01)
[9]基于HOG特征的行人视觉检测方法[J]. 程广涛,陈雪,郭照庄.  传感器与微系统. 2011(07)
[10]SVM分类核函数及参数选择比较[J]. 奉国和.  计算机工程与应用. 2011(03)

硕士论文
[1]基于图像分析的未系安全带自动检测方法研究[D]. 程伟.沈阳理工大学 2016
[2]基于Adaboost的安全带检测方法[D]. 李赓.合肥工业大学 2015
[3]基于机器视觉的驾驶员打电话行为检测[D]. 王丹.北京理工大学 2015
[4]智能交通中的违章识别算法研究[D]. 黎华东.哈尔滨工业大学 2014
[5]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
[6]基于深度学习的人脸识别研究[D]. 林妙真.大连理工大学 2013
[7]基于HOG特征的目标识别算法研究[D]. 尚俊.华中科技大学 2012



本文编号：3084698