驾驶辅助系统计算机视觉技术

　　本书回顾了过去几十年相关领域的研究及目前的先进技术。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先进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。

暂缺《驾驶辅助系统计算机视觉技术》作者简介

前言
第1章基于视觉的驾驶员辅助
系统1
11面向自动驾驶的驾驶员辅助
系统1
12传感器1
13基于视觉的驾驶员辅助3
14安全和舒适功能6
15VB-DAS范例7
16最新进展10
17本书的范围14
第2章驾驶员环境理解17
21驾驶员与周围环境17
22驾驶员监测18
23基础环境监测22
24中层环境感知27
第3章计算机视觉基础32
31图像符号32
32积分图像33
33RGB到HSV的转换34
34霍夫变换直线检测35
35摄像机37
36立体视觉和能量优化38
37立体匹配41
第4章目标检测、分类与跟踪43
41目标检测与分类43
42有监督分类技术44
421支持向量机45
422方向梯度直方图49
423哈尔特征53
43无监督分类技术57
431k-均值聚类57
432高斯混合模型61
44目标跟踪65
441均值漂移67
442连续自适应均值漂移71
443Kanade-Lucas-Tomasi(KLT)
跟踪器71
444卡尔曼滤波75
第5章驾驶员疲劳检测79
51引言79
52训练阶段:数据集80
53增加参数82
54应用阶段:简要的想法83
55自适应分类器85
551在具有挑战性的照明条件下的
问题86
552混合强度平均86
553参数适配88
56跟踪和搜索最小化90
561跟踪注意事项90
562滤波器建模和实现91
57相位保持去噪92
58全局哈尔特征94
581全局特征与局部特征95
582动态的全局哈尔特征96
59利用局部和全局特征增强
级联96
510试验结果97
511总结106
第6章驾驶员注意力分散检测108
61引言108
62非对称外观模型109
621模型实施110
622非对称AAM112
63驾驶员的头部姿态和视线
估计113
631优化的二维到三维姿态
建模114
632通过费马变换进行面部
匹配116
64试验结果118
641姿态估计118
642哈欠检测和头部点头
识别123
65总结123
第7章车辆检测与距离估计125
71引言125
72方法概览127
73自适应全局特征哈尔分类器129
74直线与角点特征131
741水平边缘132742特征点检测134
75基于尾灯的检测135
751尾灯规格：讨论136
752色谱分析137
753尾灯分割138
754基于模板匹配的尾灯
配对139
755基于虚拟对称检测的尾灯
配对140
76数据融合和时间信息143
77车距估计146
78试验结果149
781距离估计149
782车辆检测器的评估150
79总结160
第8章避免碰撞的模糊融合162
81引言162
82系统组成163
83模糊器和隶属函数164
84模糊推理和融合引擎167
841隐含规则168
842聚合规则168
85去模糊化168
86试验结果169
87总结175
参考文献177