隨著公路里程和汽車保有量的持續(xù)增加,不僅推動(dòng)了交通運(yùn)輸?shù)陌l(fā)展,也造成了交通事故的頻發(fā)。而交通事故中90%都是駕駛員人為因素造成的,其中包括駕駛員打電話,玩手機(jī)等不安全操作,因此針對(duì)駕駛員不安全行為的檢測研究已經(jīng)成為當(dāng)前智能交通系統(tǒng)的研究熱點(diǎn)。當(dāng)前研究方法大多是基于RGB數(shù)據(jù)進(jìn)行檢測,易受到光線變化、背景遮擋等干擾,在實(shí)際應(yīng)用中存在較多缺陷。而隨著深度攝像頭的發(fā)展,RGB-D相機(jī)成本降低,精度提升,越來越多研究人員提出采用RGB-D相機(jī)對(duì)行為檢測算法進(jìn)行研究。本文主要研究基于RGB-D的駕駛員不安全行為檢測方法。駕駛員行為檢測由數(shù)據(jù)采集與預(yù)處理環(huán)節(jié)、特征提取環(huán)節(jié)和特征融合分類環(huán)節(jié)。綜合考慮這三個(gè)環(huán)節(jié),本文提出了基于RGB-D的駕駛員不安全行為檢測方法,主要工作為以下三個(gè)方面:第一,在數(shù)據(jù)采集和預(yù)處理環(huán)節(jié),首先本文利用RGB-D標(biāo)定數(shù)據(jù)進(jìn)行配準(zhǔn),提高數(shù)據(jù)可靠性;其次,針對(duì)深度圖像因?yàn)楦蓴_產(chǎn)生的空洞噪聲,本文提出基于RGB信息的深度圖像空洞修復(fù)算法,結(jié)合聯(lián)合雙邊濾波及中值濾波方法,利用彩色信息的相似性篩選鄰域深度值填充空洞,對(duì)比單一形態(tài)學(xué)和單一濾波方法可以有效對(duì)深度圖像空洞修復(fù)和去噪;最后,... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

015-2018我國交通事故情況

華南理工大學(xué)碩士學(xué)位論文8圖1-2系統(tǒng)框架第一章為緒論部分，主要介紹了課題背景及研究價(jià)值，結(jié)合現(xiàn)狀綜述介紹了目前駕駛員行為研究所面臨的問題。針對(duì)問題，概述了本文的研究內(nèi)容與方法。最后介紹了論文整體組織結(jié)構(gòu)。第二章為RGB-D圖像數(shù)據(jù)采集，主要介紹了傳感器方案選擇、深度相機(jī)原理、相機(jī)標(biāo)定及深度和彩色圖像配準(zhǔn)方法法。首先對(duì)現(xiàn)有傳感器方案進(jìn)行比較，根據(jù)方案適用范圍確定本文的傳感器。其次，對(duì)RGB-D相機(jī)架構(gòu)及原理進(jìn)行介紹，主要多深度相機(jī)原理進(jìn)行詳細(xì)闡述。最后介紹相機(jī)標(biāo)定原理和RGB-D圖像配準(zhǔn)方法，獲取匹配易處理的RGB-D數(shù)據(jù)。第三章為深度圖像修復(fù)和目標(biāo)檢測部分。首先，針對(duì)深度圖像空洞問題，介紹了經(jīng)典的深度值平滑填充方法，并提出了基于RGB信息的深度空洞修復(fù)算法，并與其他方法比較算法結(jié)果。之后概述了基于背景建模（ViBe）算法的目標(biāo)檢測方法，提出了背景建模（ViBe）算法的改進(jìn)方法，即RGBD+ViBe算法對(duì)駕駛員目標(biāo)進(jìn)行提取，在不同光照條件下對(duì)比其他算法的實(shí)驗(yàn)結(jié)果分析和討論。第四章為行為多特征提取部分。先對(duì)多種單人行為特征提取常用方法進(jìn)行了概述，

用于機(jī)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的駕駛員打電話行為檢測方法[J]. 熊群芳,林軍,岳偉,劉世望,羅瀟,丁馳.  控制與信息技術(shù). 2019(06)
[2]2018年中國公路隧道發(fā)展[J]. 蔣樹屏,林志,王少飛.  隧道建設(shè)(中英文). 2019(07)
[3]基于樣本熵的分心駕駛心理反應(yīng)研究[J]. 徐文翔,趙曉華,杜洪吉.  交通工程. 2019(S1)
[4]2019中國汽車用戶線上養(yǎng)護(hù)景氣指數(shù)報(bào)告[J].   汽車維修與保養(yǎng). 2019(04)
[5]基于SIFT和HOG特征融合的人體行為識(shí)別方法[J]. 韓欣欣,葉奇玲.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[6]運(yùn)動(dòng)目標(biāo)檢測的ViBe算法改進(jìn)[J]. 楊丹,戴芳.  中國圖象圖形學(xué)報(bào). 2018(12)
[7]基于稀疏時(shí)空特征描述的駕駛者多種非安全駕駛行為識(shí)別[J]. 杜勇,王春明,崔金,李磊軍,崔堯,郭培智.  智能計(jì)算機(jī)與應(yīng)用. 2018(06)
[8]基于像素濾波和中值濾波的深度圖像修復(fù)方法[J]. 劉繼忠,吳文虎,程承,王光輝,曾成.  光電子·激光. 2018(05)
[9]基于ViBe的復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測[J]. 張文雅,徐華中,羅杰.  計(jì)算機(jī)科學(xué). 2017(09)
[10]融合多尺度對(duì)比與貝葉斯模型的顯著目標(biāo)檢測[J]. 鄧晨,謝林柏.  計(jì)算機(jī)工程與應(yīng)用. 2018(08)

碩士論文
[1]基于半監(jiān)督支持向量機(jī)的駕駛員打電話行為檢測[D]. 王盡如.湖南大學(xué) 2018
[2]基于機(jī)器視覺的非安全駕駛行為檢測算法研究[D]. 駱文婕.湖南大學(xué) 2018
[3]汽車危險(xiǎn)駕駛行為檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 陽靜.華中科技大學(xué) 2018
[4]基于深度信息的公交駕駛員不安全操作識(shí)別[D]. 胡占峰.北方工業(yè)大學(xué) 2016
[5]基于多特征的駕駛員不安全行為檢測的研究[D]. 張孔.天津大學(xué) 2016
[6]基于深度圖的駕駛員頭部姿態(tài)分析[D]. 張博文.大連海事大學(xué) 2015
[7]基于計(jì)算機(jī)視覺的異常駕駛行為檢測方法研究[D]. 黃思博.華南理工大學(xué) 2011



本文編號(hào)：3440197