详情

原文传递智能车载监控系统关键技术研究

论文题名：	智能车载监控系统关键技术研究
关键词：	人脸关键点定位;车载监控系统;信号灯识别;自动驾驶;疲劳驾驶检测
摘要：	随着自动驾驶技术的发展和道路安全事故的增多,基于计算机视觉的智能车载监控系统以其友好、直接、高效的特点,在计算机辅助驾驶方面发挥着日益重要的作用。为了有效的克服疲劳驾驶和夜间情况下视线较差所导致的交通事故,本文重点实现了智能车载监控系统的两个关键技术:针对疲劳驾驶检测的人脸关键点定位以及夜间情况下交通信号灯的检测与识别。　　关于人脸关键点定位,我们针对传统的主动形状模型(ASM)进行了三点改进:对ASM算法的形状更新参数增加一个连续变化的单调下降迟滞因子(D-ASM),以此来克服硬阈值引发的形状变化不连续以及噪声的影响,从而增加PCA重建过程的稳定性;针对ASM算法中一维梯度对于二维角点描述不完全而导致的角点定位误差较大的缺陷,我们设计了一个基于Gabor特征和SVM分类器的角点定位算法,从而克服了角点定位不准的问题;针对ASM对整体形状建模而导致的形状集不完全的问题,我们在保持角点不变的情况下,对内部的每个分形状均建立局部D-ASM,从而实现内部关键点的精确定位。　　对于夜间情况下的交通信号灯识别,我们针对摄像机动态范围的限制而导致的图像失真问题,提出了夜间情况下交通信号灯检测的算法,在此基础上解决了由摄像机拍摄角引起的图像失准问题,有效的校正了倒计时计数器的方向,最后利用显示器数码管的特性采用模板匹配方法实现了倒计时计数器内容的识别,有效的发出告警信息,实验结果显示该方法具有良好的效果。
作者：	范波
专业：	信息与通信工程
导师：	杨小康
授予学位：	硕士
授予学位单位：	上海交通大学
学位年度：	2013
正文语种：	中文