驾驶辅助系统计算机视觉技术(精)/智能网联汽车系列/汽车先进技术译丛

本书回顾了过去几十年相关领域的研究及目前的优选技术。针对单目摄像机提出了各类计算机视觉算法与技术。本书包括三方面内容，第 一方面是介绍驾驶员的状态检测，包括对驾驶员面部特征的分类、检测和跟踪，如眼睛状态、头部姿态、打哈欠和点头等；第二方面，通过对车辆识别算法和距离估计算法进行介绍，进而对道路和道路危险检测进行阐述；第三方面，实时分析驾驶员注意力（车内数据）和道路危险状态（车外数据）。本书对两种数据进行融合来预测当前驾驶环境的整体危险系数，以避免和减小车辆碰撞的危险，协助注意力不集中的驾驶员及时有效地完成规避操作。在几方面的讨论中，本书呈现并分析了基于行业标准的真实环境下的试验数据。本书适合自动驾驶与优选驾驶辅助系统的研究开发人员阅读使用，也适合车辆工程专业师生参考阅读。

前言第1章基于视觉的驾驶员辅助系统111面向自动驾驶的驾驶员辅助系统112传感器113基于视觉的驾驶员辅助314安全和舒适功能615VB-DAS范例716近期新进展1017本书的范围14第2章驾驶员环境理解1721驾驶员与周围环境1722驾驶员监测1823基础环境监测2224中层环境感知27第3章计算机视觉基础3231图像符号3232积分图像3333RGB到HSV的转换3434霍夫变换直线检测3535摄像机3736立体视觉和能量优化3837立体匹配41第4章目标检测、分类与跟踪4341目标检测与分类4342有监督分类技术44421支持向量机45422方向梯度直方图49423哈尔特征5343无监督分类技术57431k-均值聚类57432高斯混合模型6144目标跟踪65441均值漂移67442连续自适应均值漂移71443Kanade-Lucas-Tomasi(KLT)跟踪器71444卡尔曼滤波75第5章驾驶员疲劳检测7951引言7952训练阶段:数据集8053增加参数8254应用阶段:简要的想法8355自适应分类器85551在具有挑战性的照明条件下的问题86552混合强度平均86553参数适配8856跟踪和搜索最小化90561跟踪注意事项90562滤波器建模和实现9157相位保持去噪9258全局哈尔特征94581全局特征与局部特征95582动态的全局哈尔特征9659利用局部和全局特征增强级联96510试验结果97511总结106第6章驾驶员注意力分散检测10861引言10862非对称外观模型109621模型实施110622非对称AAM11263驾驶员的头部姿态和视线估计113631优化的二维到三维姿态建模114632通过费马变换进行面部匹配11664试验结果118641姿态估计118642哈欠检测和头部点头识别12365总结123第7章车辆检测与距离估计12571引言12572方法概览12773自适应全局特征哈尔分类器12974直线与角点特征131741水平边缘132742特征点检测13475基于尾灯的检测135751尾灯规格：讨论136752色谱分析137753尾灯分割138754基于模板匹配的尾灯配对139755基于虚拟对称检测的尾灯配对14076数据融合和时间信息14377车距估计14678试验结果149781距离估计149782车辆检测器的评估15079总结160第8章避免碰撞的模糊融合16281引言16282系统组成16383模糊器和隶属函数16484模糊推理和融合引擎167841隐含规则168842聚合规则16885去模糊化16886试验结果16987总结175参考文献177