机器视觉感知下的车辆主动安全技术若干问题研究
发布时间：2021-07-18 20:56
车辆主动安全技术是汽车实现智能化的关键技术之一,已经成为智能汽车开发的重要研究领域,而基于机器视觉感知下的车辆主动安全技术是近年来该领域的一个前沿热点和重要研究内容。研究和开发机器视觉感知下的车辆主动安全技术对于提高交通安全,降低交通事故发生率等具有重要的社会意义和应用价值。本文在汽车仿真与控制国家重点实验室开放基金《驾驶员视觉分散与疲劳数学模型建立及预警关键技术研究》（N0.20121107）的资助下,采用机器视觉感知技术,对车辆主动安全技术中的驾驶员疲劳检测和车道偏离检测进行了深入研究。论文的主要工作及研究成果如下：（1）研究车载视觉系统图像增强算法。分析光照不均对图像质量的影响,提出一种基于Retinex理论的图像增强算法。算法提取光照图像低频部分,采用多尺度Retinex（MSR）算法进行光照补偿,然后再与其梯度图像合成新的图像。该算法能够将驾驶员面部特征以及道路特征清晰显示出来,可为后续图像处理奠定基础。（2）研究红外图像眼睛检测算法。分析夜间红外图像面部特征特点,提出一种夜间红外图像眼睛检测方法。根据夜间红外图像特点,采用局部自适应阈值分割脸部区域；根据人脸器官分布规律,确...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：191 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 背景及意义
1.2 国内外研究现状
1.2.1 车辆安全技术
1.2.2 车辆主动安全技术
1.2.3 机器视觉感知下的车辆主动安全技术
1.2.4 机器视觉感知下的车辆主动安全技术分类
1.2.5 机器视觉感知下的驾驶员疲劳检测技术研究现状
1.2.6 机器视觉感知下的车道偏离检测技术研究现状
1.2.7 目前存在的问题
1.3 本文结构框架与研究内容
第2章 车载视觉系统图像增强算法研究
2.1 引言
2.2 光照不均对图像质量的影响
2.3 数字图像增强技术
2.3.1 空域增强技术
2.3.2 频域增强技术
2.4 基于Retinex理论的图像增强算法
2.4.1 Retinex理论
2.4.2 单尺度Retinex算法
2.4.3 多尺度Retinex算法
2.4.4 图像分解
2.4.5 图像增强
2.4.6 图像滤波
2.4.7 图像恢复
2.5 灰度图像增强算法
2.5.1 基于MSR算法的灰度图像增强
2.5.2 实验分析
2.6 彩色图像增强算法
2.6.1 图像空间转换
2.6.2 基于MSR算法的彩色图像增强
2.6.3 实验分析
2.7 本章小结
第3章 驾驶员面部特征检测研究
3.1 引言
3.2 基于红外图像的驾驶员面部特征分析
3.2.1 红外图像及成像技术
3.2.2 红外图像面部特征分析
3.3 基于夜间红外图像的眼睛检测
3.3.1 眼睛检测方法
3.3.2 夜间红外图像脸部区域检测
3.3.3 眼睛ROI确定
3.3.4 形态学图像处理
3.3.5 眼睛定位
3.3.6 眼睛状态分析
3.3.7 算法流程
3.3.8 实验分析
3.4 基于白天红外图像的眼睛检测
3.4.1 Adaboost算法
3.4.2 基于Adaboost算法的眼睛检测
3.4.3 算法流程
3.4.4 实验分析
3.5 基于红外图像的眼睛跟踪
3.5.1 贝叶斯估计
3.5.2 蒙特卡罗方法
3.5.3 序列重要性采样
3.5.4 重采样
3.5.5 基本粒子滤波算法
3.5.6 遗传粒子滤波算法
3.5.7 眼睛跟踪模型
3.5.8 算法流程
3.5.9 实验分析
3.6 基于红外图像的嘴巴检测
3.6.1 嘴巴区域检测
3.6.2 嘴巴中心位置计算
3.6.3 实验分析
3.7 基于红外图像的驾驶员头部姿态参数估计
3.7.1 特征三角形计算
3.7.2 转头分析
3.7.3 点头分析
3.7.4 摆头分析
3.7.5 实验分析
3.8 本章小结
第4章 车道线检测研究
4.1 引言
4.2 复杂环境下的结构化道路弯道车道线检测
4.2.1 道路图像预处理
4.2.2 车道线模型
4.2.3 车道线检测
4.2.4 实验分析
4.3 夜间结构化道路车道线检测
4.3.1 ROI提取
4.3.2 ROI图像预处理
4.3.3 Hough变换检测
4.3.4 车道线拟合
4.3.5 车道线跟踪
4.3.6 算法流程
4.3.7 实验分析
4.4 非结构化道路边界检测
4.4.1 图像空间选择
4.4.2 图像预处理
4.4.3 FCM道路分割
4.4.4 道路边界检测
4.4.5 算法流程
4.4.6 实验分析
4.5 本章小结
第5章 车辆主动安全系统研究
5.1 引言
5.2 基于多特征的驾驶员疲劳检测系统研究
5.2.1 粗糙集理论
5.2.2 疲劳检测系统条件属性分析
5.2.3 疲劳检测决策规则
5.2.4 疲劳检测系统流程
5.2.5 疲劳检测系统界面设计
5.2.6 实验分析
5.3 基于车道线角度变化的车道偏离预警系统研究
5.3.1 车道偏离数学模型
5.3.2 基于车道线角度变化的车道偏离数学模型
5.3.3 车道偏离预警检测流程
5.3.4 车道偏离预警系统界面设计
5.3.5 实验分析
5.4 本章小结
第6章 实车装置设计与道路实验
6.1 引言
6.2 实车装置设计
6.2.1 系统硬件组成
6.2.2 实验样车设计
6.3 道路实验与分析
6.3.1 实验一
6.3.2 结果与分析
6.3.3 实验二
6.3.4 结果与分析
6.4 本章小结
结论
参考文献
攻读博士学位期间取得的科研成果
致谢
外文论文
附件
【参考文献】：
期刊论文
[1]基于面部特征三角形的机车驾驶员头部姿态参数估计[J]. 张万枝,王增才,徐俊凯. 铁道学报. 2013(11)
[2]驾驶员疲劳检测中的眼睛定位与状态分析[J]. 张万枝,王增才,李云霞. 重庆大学学报. 2013(01)
[3]驾驶员疲劳检测中的彩色图像增强算法[J]. 张万枝,王增才,李云霞,王保平. 光电子.激光. 2012(08)
[4]基于扩展三角特征的AdaBoost快速人眼检测算法[J]. 黄坤,韩飞,杨月全,王正群,张天平. 北京科技大学学报. 2012(01)
[5]基于颜色纹理直方图的带权分块均值漂移目标跟踪算法[J]. 李冠彬,吴贺丰. 计算机辅助设计与图形学学报. 2011(12)
[6]基于立体视觉的月球车运动估计算法[J]. 曹凤萍,王荣本. 吉林大学学报(工学版). 2011(06)
[7]一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法[J]. 文学志,方巍,郑钰辉. 电子学报. 2011(05)
[8]基于肤色分割和改进的AdaBoostSVM算法的人脸检测[J]. 郭耸,顾国昌,蔡则苏,刘海波,沈晶. 吉林大学学报(工学版). 2011(02)
[9]基于B样条曲线模型的结构化道路检测算法[J]. 许华荣,王晓栋,方遒. 自动化学报. 2011(03)
[10]驾驶员疲劳状态监测中的彩色图像光照补偿技术[J]. 朱淑亮,王增才,王保平. 重庆大学学报. 2011(01)
博士论文
[1]基于机器视觉的驾驶人疲劳状态识别关键问题研究[D]. 张伟.清华大学 2011
[2]基于弯道行驶的车辆自适应巡航控制[D]. 张德兆.清华大学 2011
[3]基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D]. 邸巍.吉林大学 2010
[4]驾驶员疲劳状态检测技术研究与工程实现[D]. 李志春.江苏大学 2009
[5]眼睛跟踪及驾驶员疲劳检测之研究[D]. 刘天键.浙江大学 2005
本文编号：3290351
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：191 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 背景及意义
1.2 国内外研究现状
1.2.1 车辆安全技术
1.2.2 车辆主动安全技术
1.2.3 机器视觉感知下的车辆主动安全技术
1.2.4 机器视觉感知下的车辆主动安全技术分类
1.2.5 机器视觉感知下的驾驶员疲劳检测技术研究现状
1.2.6 机器视觉感知下的车道偏离检测技术研究现状
1.2.7 目前存在的问题
1.3 本文结构框架与研究内容
第2章 车载视觉系统图像增强算法研究
2.1 引言
2.2 光照不均对图像质量的影响
2.3 数字图像增强技术
2.3.1 空域增强技术
2.3.2 频域增强技术
2.4 基于Retinex理论的图像增强算法
2.4.1 Retinex理论
2.4.2 单尺度Retinex算法
2.4.3 多尺度Retinex算法
2.4.4 图像分解
2.4.5 图像增强
2.4.6 图像滤波
2.4.7 图像恢复
2.5 灰度图像增强算法
2.5.1 基于MSR算法的灰度图像增强
2.5.2 实验分析
2.6 彩色图像增强算法
2.6.1 图像空间转换
2.6.2 基于MSR算法的彩色图像增强
2.6.3 实验分析
2.7 本章小结
第3章 驾驶员面部特征检测研究
3.1 引言
3.2 基于红外图像的驾驶员面部特征分析
3.2.1 红外图像及成像技术
3.2.2 红外图像面部特征分析
3.3 基于夜间红外图像的眼睛检测
3.3.1 眼睛检测方法
3.3.2 夜间红外图像脸部区域检测
3.3.3 眼睛ROI确定
3.3.4 形态学图像处理
3.3.5 眼睛定位
3.3.6 眼睛状态分析
3.3.7 算法流程
3.3.8 实验分析
3.4 基于白天红外图像的眼睛检测
3.4.1 Adaboost算法
3.4.2 基于Adaboost算法的眼睛检测
3.4.3 算法流程
3.4.4 实验分析
3.5 基于红外图像的眼睛跟踪
3.5.1 贝叶斯估计
3.5.2 蒙特卡罗方法
3.5.3 序列重要性采样
3.5.4 重采样
3.5.5 基本粒子滤波算法
3.5.6 遗传粒子滤波算法
3.5.7 眼睛跟踪模型
3.5.8 算法流程
3.5.9 实验分析
3.6 基于红外图像的嘴巴检测
3.6.1 嘴巴区域检测
3.6.2 嘴巴中心位置计算
3.6.3 实验分析
3.7 基于红外图像的驾驶员头部姿态参数估计
3.7.1 特征三角形计算
3.7.2 转头分析
3.7.3 点头分析
3.7.4 摆头分析
3.7.5 实验分析
3.8 本章小结
第4章 车道线检测研究
4.1 引言
4.2 复杂环境下的结构化道路弯道车道线检测
4.2.1 道路图像预处理
4.2.2 车道线模型
4.2.3 车道线检测
4.2.4 实验分析
4.3 夜间结构化道路车道线检测
4.3.1 ROI提取
4.3.2 ROI图像预处理
4.3.3 Hough变换检测
4.3.4 车道线拟合
4.3.5 车道线跟踪
4.3.6 算法流程
4.3.7 实验分析
4.4 非结构化道路边界检测
4.4.1 图像空间选择
4.4.2 图像预处理
4.4.3 FCM道路分割
4.4.4 道路边界检测
4.4.5 算法流程
4.4.6 实验分析
4.5 本章小结
第5章 车辆主动安全系统研究
5.1 引言
5.2 基于多特征的驾驶员疲劳检测系统研究
5.2.1 粗糙集理论
5.2.2 疲劳检测系统条件属性分析
5.2.3 疲劳检测决策规则
5.2.4 疲劳检测系统流程
5.2.5 疲劳检测系统界面设计
5.2.6 实验分析
5.3 基于车道线角度变化的车道偏离预警系统研究
5.3.1 车道偏离数学模型
5.3.2 基于车道线角度变化的车道偏离数学模型
5.3.3 车道偏离预警检测流程
5.3.4 车道偏离预警系统界面设计
5.3.5 实验分析
5.4 本章小结
第6章 实车装置设计与道路实验
6.1 引言
6.2 实车装置设计
6.2.1 系统硬件组成
6.2.2 实验样车设计
6.3 道路实验与分析
6.3.1 实验一
6.3.2 结果与分析
6.3.3 实验二
6.3.4 结果与分析
6.4 本章小结
结论
参考文献
攻读博士学位期间取得的科研成果
致谢
外文论文
附件
【参考文献】：
期刊论文
[1]基于面部特征三角形的机车驾驶员头部姿态参数估计[J]. 张万枝,王增才,徐俊凯. 铁道学报. 2013(11)
[2]驾驶员疲劳检测中的眼睛定位与状态分析[J]. 张万枝,王增才,李云霞. 重庆大学学报. 2013(01)
[3]驾驶员疲劳检测中的彩色图像增强算法[J]. 张万枝,王增才,李云霞,王保平. 光电子.激光. 2012(08)
[4]基于扩展三角特征的AdaBoost快速人眼检测算法[J]. 黄坤,韩飞,杨月全,王正群,张天平. 北京科技大学学报. 2012(01)
[5]基于颜色纹理直方图的带权分块均值漂移目标跟踪算法[J]. 李冠彬,吴贺丰. 计算机辅助设计与图形学学报. 2011(12)
[6]基于立体视觉的月球车运动估计算法[J]. 曹凤萍,王荣本. 吉林大学学报(工学版). 2011(06)
[7]一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法[J]. 文学志,方巍,郑钰辉. 电子学报. 2011(05)
[8]基于肤色分割和改进的AdaBoostSVM算法的人脸检测[J]. 郭耸,顾国昌,蔡则苏,刘海波,沈晶. 吉林大学学报(工学版). 2011(02)
[9]基于B样条曲线模型的结构化道路检测算法[J]. 许华荣,王晓栋,方遒. 自动化学报. 2011(03)
[10]驾驶员疲劳状态监测中的彩色图像光照补偿技术[J]. 朱淑亮,王增才,王保平. 重庆大学学报. 2011(01)
博士论文
[1]基于机器视觉的驾驶人疲劳状态识别关键问题研究[D]. 张伟.清华大学 2011
[2]基于弯道行驶的车辆自适应巡航控制[D]. 张德兆.清华大学 2011
[3]基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D]. 邸巍.吉林大学 2010
[4]驾驶员疲劳状态检测技术研究与工程实现[D]. 李志春.江苏大学 2009
[5]眼睛跟踪及驾驶员疲劳检测之研究[D]. 刘天键.浙江大学 2005
本文编号：3290351
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3290351.html
