本书论述了一种基于即时网络通信的汽车辅助驾驶系统与评价机制。该系统的视频信息分别由道路信息获取摄像头和驾驶员状态信息摄像头采集。全书共6章，分为两个部分，第一部分（第1章~5章）介绍了一种轻量级的感兴趣区域优先级的设定方法和一种基于移动终端的道路行人信息快速识别方法。尝试改进基于双注意机制的深度学习算法对车辆和行人进行检测。讨论了自底向上的基于数据驱动的显著性区域的相关算法和自顶向下的基于任务驱动的感
更多科学出版社服务，请扫码获取。
目录
第1章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状分析及存在的问题 2
1.2.1 驾驶员模型 2
1.2.2 车辆、行人检测与追踪 3
第2章 基于移动视频浅层特征的道路信息识别研究 6
2.1 基于感兴趣区域优先级的车道识别系统研究 6
2.1.1 驾驶任务驱动的感兴趣区域 6
2.1.2 车载前置摄像头测距原理与方法分析 7
2.1.3 图像预处理 9
2.1.4 车道识别 13
2.1.5 车道线生成算法优化 14
2.1.6 实验测试与分析 16
2.2 基于车载前置移动视频采集终端的行人检测 17
2.2.1 行人检测的相关方法 17
2.2.2 算法设计与实验分析 18
2.3 车辆识别 24
2.3.1 车辆检测方式概述 24
2.3.2 基于视觉的车辆识别方法 25
2.3.3 基于视觉的车辆跟踪方法 25
2.3.4 基于移动视频的道路车辆检测与跟踪系统分析 26
2.3.5 车辆识别算法分析与设计 29
2.3.6 车辆跟踪子模块 38
2.3.7 车辆检测的训练 39
2.4 结果分析 40
2.4.1 时间性能测试与分析 40
2.4.2 识别与跟踪性能分析 42
2.5 本章小结 43
第3章 基于模糊综合的驾驶信息采集与驾驶行为评价 44
3.1 驾驶行为模型分析 44
3.1.1 跟驰模型 44
3.1.2 行驶轨迹模型 46
3.2 模糊综合评价法 46
3.3 BP神经网络 47
3.4 车辆及道路因素 47
3.5 驾驶员综合评价系统分析与设计 47
3.5.1 基于模糊综合评价的驾驶员模型 49
3 5.2 各因素及权重的确定方法研究 51
3.5.3 评价系统的安全设计 53
3.5.4 评价算法讨论与仿真 53
3.6 基于车辆、环境、驾驶因素的驾驶评价模型优化设计 54
3.6.1 评价模型参考因素分析 55
3.6.2 评价模型算法优化分析 59
3.6.3 车辆驾驶评价算法优化详细分析 60
3.6.4 车辆驾驶员互评部分分析 62
3.6.5 车辆驾驶评价模型中的算法应用优化研究 63
3.6.6 优化后的评价模型仿真程序运行 73
3.7 本章小结 75
第4章 基于深度学习的道路信息检测研究 76
4.1 数据集 76
4.2 KITTI数据集及算法分析 77
4.3 R-CNN与Fast R-CNN 81
4.3.1 选择性搜索算法 81
4.3.2 驾驶任务驱动的选择性搜索算法实验与分析 82
4.4 Faster R-CNN 85
4.5 改进的基于双注意机制的Faster R-CNN算法 89
4.6 基于Faster R-CNN的半监督自主学习方法研究 90
4.7 深度学习网络设计与实验分析 92
4.7.1 车辆检测优化 111
4.7.2 行人检测优化 115
4.8 本章小结 119
第5章 基于视觉心理学的道路信息识别优化研究 120
5.1 视觉心理物理学特性分析 120
5.1.1 视觉的组织性分析 120
5.1.2 视觉的相对性 121
5.1.3 视觉的选择性 122
5.1.4 视觉的整体性 122
5.1.5 视觉误差 122
5.2 视觉注意机制 126
5.2.1 自底向上结构的数据驱动视觉注意机制 126
5.2.2 数据驱动的显著区域检测算法 128
5.2.3 自顶向下任务驱动的视觉注意机制 134
5.3 道路信息图像的处理与分析 135
5.4 基于静态图片的驾驶任务驱动的感兴趣区域生成方法 138
5.5 基于视频的驾驶任务驱动的动态感兴趣区域自动生成方法 139
5.6 驾驶任务与数据驱动融合的动态感兴趣场的提出与生成方法 140
5.7 本章小结 149
第6章 基于单目摄像头的驾驶员疲劳检测 150
6.1 算法思路 150
6.2 图像处理 150
6.2.1 图像预处理 150
6.2.2 人脸粗定位 150
6.2.3 利用鼻孔及嘴唇进行人眼辅助定位 156
6.2.4 人眼定位 157
6.3 照片检测 160
6.3.1 人脸数据库 160
6.3.2 实验结果分析 160
6.3.3 问题与改进 164
6.4 本章小结 165
参考文献 166
书单推荐
