針對汽車駕駛員的瞳孔空間位置檢測技術(shù)一直是智能汽車技術(shù)的研究熱門。通過檢測駕駛員的瞳孔并分析其空間位置的變化,可以獲取駕駛員的行為信息,從而為后續(xù)的決策系統(tǒng)提供重要的信息來源。該技術(shù)在人機交互、駕駛員異常行為檢測、AR-HUD等技術(shù)領(lǐng)域都有著重要的應(yīng)用。駕駛員的瞳孔空間位置檢測技術(shù)可拆分為駕駛員的瞳孔檢測技術(shù)以及瞳孔空間坐標測量技術(shù)。本文分別對瞳孔檢測技術(shù)與瞳孔的空間坐標測量技術(shù)進行了詳細的研究,總結(jié)了各類算法的優(yōu)缺點,提出了一種面向AR-HUD系統(tǒng)的瞳孔空間位置檢測技術(shù)。主要研究內(nèi)容如下:1.分析現(xiàn)有的人眼檢測算法在復(fù)雜場景下檢測精度不高的缺陷,提出了一種結(jié)合多特征級聯(lián)支持向量機與模板匹配的人眼檢測算法。多特征級聯(lián)支持向量機由兩層級聯(lián)的人眼分類器構(gòu)成。第一層人眼分類器為HOG特征結(jié)合SVM,第二層人眼分類器為LBP特征結(jié)合SVM。當級聯(lián)分類器未檢測出人眼時,將歷史幀檢測出的人眼圖像作為模板,通過模板匹配的方式來定位當前幀的人眼位置。實驗結(jié)果證明本方法相比傳統(tǒng)的單特征單分類器,在滿足實時性的條件下能取得更高的檢測精度。2.分析現(xiàn)有瞳孔精定位算法當中常用的快速徑向?qū)ΨQ算法只能適應(yīng)圓形瞳孔... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【圖文】：

視線跟蹤技術(shù)原理圖

AR-HUD系統(tǒng)體驗圖

重慶郵電大學(xué)碩士學(xué)位論文第1章緒論2位人眼并檢測人眼的局部特征，疲勞駕駛檢測技術(shù)業(yè)內(nèi)最為常用的PRECLOS判據(jù)就是依據(jù)眼皮的閉合狀況來判斷駕駛員的疲勞狀態(tài)[4]。駕駛員異常行為檢測也需要準確地定位駕駛員的瞳孔的空間位置并計算出駕駛員的視線方向，以此來判斷駕駛員的異常行為類別[5]。AR-HUD是新一代HUD技術(shù)，其與AR技術(shù)相結(jié)合使得駕駛員能在行車環(huán)境下看到與真實場景相結(jié)合的虛擬圖像，不僅豐富了駕駛員的駕駛體驗也有效提升了駕駛的安全性，便利性以及娛樂性[6]。圖1.2為AR-HUD系統(tǒng)體驗圖，駕駛員可直接看到與路面相結(jié)合的虛擬導(dǎo)航標志，具有最為直觀的視覺體驗。圖1.2AR-HUD系統(tǒng)體驗圖圖1.3AR-HUD系統(tǒng)原理圖AR-HUD系統(tǒng)原理圖如圖1.3所示，駕駛員底部的投射設(shè)備即為HUD，HUD投射的光經(jīng)過前擋風(fēng)玻璃反射至駕駛員人眼后，駕駛員就會看到前方虛像平面上的圖標。傳統(tǒng)HUD主要投射諸如速度，油耗等儀表盤的信息，圖標處于虛像平面

【參考文獻】：
期刊論文
[1]基于HOG和SVM的雙眼虹膜圖像的人眼定位算法[J]. 晁靜靜,沈文忠,宋天舒.  計算機工程與應(yīng)用. 2019(09)
[2]基于瞳孔角膜反射技術(shù)的視線估計方法[J]. 胡艷紅,魏江,梅少輝.  計算機工程與應(yīng)用. 2018(14)
[3]基于AR-HUD的汽車駕駛輔助系統(tǒng)設(shè)計研究[J]. 李卓,周曉,鄭楊碩.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2017(06)
[4]基于積分投影和差分投影的人眼定位[J]. 侯向丹,趙丹,劉洪普,顧軍華.  計算機工程與科學(xué). 2017(03)
[5]非接觸動態(tài)實時視線跟蹤技術(shù)[J]. 王向軍,蔡方方,劉峰,李洋.  計算機科學(xué)與探索. 2015(03)
[6]一種改進HOG特征的行人檢測算法[J]. 田仙仙,鮑泓,徐成.  計算機科學(xué). 2014(09)
[7]基于極坐標的改進灰度積分投影法的人眼檢測[J]. 修春波,盧少磊.  計算機工程與應(yīng)用. 2015(12)
[8]基于HOG特征和SVM的前向車輛識別方法[J]. 李星,郭曉松,郭君斌.  計算機科學(xué). 2013(S2)
[9]單攝像機下基于眼動分析的行為識別[J]. 孟春寧,白晉軍,張?zhí)珜?劉潤蓓,常勝江.  物理學(xué)報. 2013(17)
[10]徑向?qū)ΨQ和圓形霍夫相結(jié)合的眼睛狀態(tài)識別[J]. 向淑蘭,猶軼.  光電工程. 2011(05)

博士論文
[1]隨機場景人眼檢測實時追蹤及其應(yīng)用技術(shù)研究[D]. 李斌.中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機械研究所) 2018
[2]圖像局部特征提取及應(yīng)用研究[D]. 黃明明.北京科技大學(xué) 2016
[3]基于機器視覺的復(fù)雜工況下駕駛?cè)似跔顟B(tài)檢測方法研究[D]. 張波.清華大學(xué) 2015

碩士論文
[1]SLAM中圖像特征匹配算法研究及其硬件實現(xiàn)[D]. 何茜.西安理工大學(xué) 2019
[2]基于改進LBP算子的圖像紋理分類研究[D]. 高攀.西南交通大學(xué) 2018
[3]基于人眼定位的單目測距方法及ARM平臺實現(xiàn)[D]. 李賢輝.深圳大學(xué) 2017
[4]基于尺度不變局部特征的圖像匹配方法研究[D]. 張磊.武漢理工大學(xué) 2017
[5]基于徑向?qū)ΨQ的限速標志檢測與識別[D]. 祝磊.哈爾濱工業(yè)大學(xué) 2017
[6]基于多圖像特征金字塔的車輛檢測[D]. 曹曉明.北京交通大學(xué) 2016
[7]虹膜圖像預(yù)處理及特征編碼方法的研究[D]. 楊曉生.北京交通大學(xué) 2016
[8]基于計算機視覺的疲勞駕駛檢測技術(shù)研究[D]. 蔣文博.北京化工大學(xué) 2015
[9]基于相關(guān)濾波器的目標跟蹤技術(shù)[D]. 董艷梅.北京理工大學(xué) 2015
[10]基于徑向?qū)ΨQ變換的虹膜定位算法[D]. 宋惠.東北大學(xué) 2013



本文編號：3336324