駕駛輔助系統(tǒng)計(jì)算機(jī)視覺(jué)技術(shù)

前言
第1章基于視覺(jué)的駕駛員輔助
系統(tǒng)1
11面向自動(dòng)駕駛的駕駛員輔助
系統(tǒng)1
12傳感器1
13基于視覺(jué)的駕駛員輔助3
14安全和舒適功能6
15VB-DAS范例7
16最新進(jìn)展10
17本書(shū)的范圍14
第2章駕駛員環(huán)境理解17
21駕駛員與周?chē)h(huán)境17
22駕駛員監(jiān)測(cè)18
23基礎(chǔ)環(huán)境監(jiān)測(cè)22
24中層環(huán)境感知27
第3章計(jì)算機(jī)視覺(jué)基礎(chǔ)32
31圖像符號(hào)32
32積分圖像33
33RGB到HSV的轉(zhuǎn)換34
34霍夫變換直線檢測(cè)35
35攝像機(jī)37
36立體視覺(jué)和能量?jī)?yōu)化38
37立體匹配41
第4章目標(biāo)檢測(cè)、分類(lèi)與跟蹤43
41目標(biāo)檢測(cè)與分類(lèi)43
42有監(jiān)督分類(lèi)技術(shù)44
421支持向量機(jī)45
422方向梯度直方圖49
423哈爾特征53
43無(wú)監(jiān)督分類(lèi)技術(shù)57
431k-均值聚類(lèi)57
432高斯混合模型61
44目標(biāo)跟蹤65
441均值漂移67
442連續(xù)自適應(yīng)均值漂移71
443Kanade-Lucas-Tomasi(KLT)
跟蹤器71
444卡爾曼濾波75
第5章駕駛員疲勞檢測(cè)79
51引言79
52訓(xùn)練階段:數(shù)據(jù)集80
53增加參數(shù)82
54應(yīng)用階段:簡(jiǎn)要的想法83
55自適應(yīng)分類(lèi)器85
551在具有挑戰(zhàn)性的照明條件下的
問(wèn)題86
552混合強(qiáng)度平均86
553參數(shù)適配88
56跟蹤和搜索最小化90
561跟蹤注意事項(xiàng)90
562濾波器建模和實(shí)現(xiàn)91
57相位保持去噪92
58全局哈爾特征94
581全局特征與局部特征95
582動(dòng)態(tài)的全局哈爾特征96
59利用局部和全局特征增強(qiáng)
級(jí)聯(lián)96
510試驗(yàn)結(jié)果97
511總結(jié)106
第6章駕駛員注意力分散檢測(cè)108
61引言108
62非對(duì)稱(chēng)外觀模型109
621模型實(shí)施110
622非對(duì)稱(chēng)AAM112
63駕駛員的頭部姿態(tài)和視線
估計(jì)113
631優(yōu)化的二維到三維姿態(tài)
建模114
632通過(guò)費(fèi)馬變換進(jìn)行面部
匹配116
64試驗(yàn)結(jié)果118
641姿態(tài)估計(jì)118
642哈欠檢測(cè)和頭部點(diǎn)頭
識(shí)別123
65總結(jié)123
第7章車(chē)輛檢測(cè)與距離估計(jì)125
71引言125
72方法概覽127
73自適應(yīng)全局特征哈爾分類(lèi)器129
74直線與角點(diǎn)特征131
741水平邊緣132742特征點(diǎn)檢測(cè)134
75基于尾燈的檢測(cè)135
751尾燈規(guī)格：討論136
752色譜分析137
753尾燈分割138
754基于模板匹配的尾燈
配對(duì)139
755基于虛擬對(duì)稱(chēng)檢測(cè)的尾燈
配對(duì)140
76數(shù)據(jù)融合和時(shí)間信息143
77車(chē)距估計(jì)146
78試驗(yàn)結(jié)果149
781距離估計(jì)149
782車(chē)輛檢測(cè)器的評(píng)估150
79總結(jié)160
第8章避免碰撞的模糊融合162
81引言162
82系統(tǒng)組成163
83模糊器和隸屬函數(shù)164
84模糊推理和融合引擎167
841隱含規(guī)則168
842聚合規(guī)則168
85去模糊化168
86試驗(yàn)結(jié)果169
87總結(jié)175
參考文獻(xiàn)177