基于半监督支持向量机的驾驶员打电话行为检测

发布时间：2021-02-08 15:17

　　随着时代的发展,无人驾驶己经成为如今最热的话题,但要真正做到无人驾驶的全面推广,其中必不可少的步骤就是高级驾驶辅助系统（ADAS）的广泛使用。ADAS系统主要是利用多个传感器采集信息,并通过目标检测、识别与跟踪等处理技术来对采集到的信息进行危险性评估,从而预先为驾驶者判断可能发生的危险,保证行车的安全性。本人在ADAS系统的搭建中,着重对驾驶员打电话行为检测进行了研究,在开发过程中我们通过采集大量样本训练分类器,从而对驾驶员打电话行为进行判断。然而大量的样本采集,耗费了巨大的人力物力,特别是驾驶员打电话行为的采集、标注带来了大量的繁琐工作。面对此困难,本文试图通过使用少量标记样本的半监督学习来解决此问题。论文的主要工作如下:（1）针对打电话行为检测区域划分的问题,提出了根据头部位置的偏转来确定打电话行为检测区域,这样所获得的矩形框区域信息就会更有价值,从而能保证最终检测结果的优异性。（2）针对目前的半监督支持向量机在打电话行为检测时,由于打电话样本远少于正常驾驶样本而造成的数据不平衡,导致大量打电话样本被错分为正常驾驶样本的问题。本文通过改进局部搜索算法,对分类时可能发生错分的边界值进... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状分析
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 打电话行为检测的技术难点
    1.4 本文主要工作
    1.5 本文组织结构
第2章 打电话行为检测和半监督学习的相关理论
    2.1 引言
    2.2 人脸检测和人脸对齐
        2.2.1 人脸检测
        2.2.2 人脸对齐
    2.3 半监督学习
        2.3.1 半监督学习概述
        2.3.2 半监督支持向量机研究
    2.4 不平衡数据评判标准
        2.4.1 不平衡数据分类方法
        2.4.2 不平衡数据集分类评价标准
    2.5 小结
第3章 基于打电话行为检测的PDS3VM
    3.1 引言
    3.2 改进的打电话行为检测算法PDS3VM
        3.2.1 局部搜索算法
        3.2.2 结合欠采样的局部搜索算法
    3.3 打电话行为图像数据获收
    3.4 实验结果与分析
    3.5 小结
第4章 基于自适应类别比例的打电话行为检测
    4.1 引言
    4.2 自适应类别比例算法
        4.2.1 DBSCAN
        4.2.2 半监督DBSCAN
        4.2.3 自适应参数的PDDS3VM
    4.3 实验效果分析
    4.4 小结
结论
参考文献
附录A 攻读学位期间发表的学术论文与获得的成果
附录B 攻读学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]半监督学习方法[J]. 刘建伟,刘媛,罗雄麟.  计算机学报. 2015(08)
[2]基于分歧的半监督学习[J]. 周志华.  自动化学报. 2013(11)
[3]汽车智能安全电子技术发展现状与展望[J]. 李克强.  汽车工程学报. 2011(02)
[4]基于机器视觉的驾驶员注意力状态监测技术研究[J]. 成波,孟传,张伟.  汽车工程. 2009(12)

硕士论文
[1]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
[2]基于半监督SVM的非平衡学习[D]. 程伟.西安电子科技大学 2014
[3]基于机器视觉的驾驶人使用手持电话行为检测方法[D]. 魏民国.清华大学 2014



本文编号：3024126