基于计算机视觉的驾驶员安全带佩戴的识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 驾驶行为视频检测方法研究现状 | 第11-12页 |
| 1.2.2 安全带识别研究现状 | 第12-13页 |
| 1.3 驾驶行为检测和安全带识别的研究难点 | 第13页 |
| 1.4 论文的研究内容及章节安排 | 第13-15页 |
| 第2章 图像预处理及边缘检测 | 第15-26页 |
| 2.1 光照补偿 | 第15-16页 |
| 2.1.1 光照补偿方法原理 | 第15页 |
| 2.1.2 光照补偿方法实现 | 第15-16页 |
| 2.2 图像滤波 | 第16-19页 |
| 2.2.1 均值滤波 | 第16-18页 |
| 2.2.2 加权均值滤波 | 第18-19页 |
| 2.2.3 中值滤波 | 第19页 |
| 2.3 图像的边缘检测 | 第19-25页 |
| 2.3.1 一阶微分边缘检测算子 | 第20-21页 |
| 2.3.2 二阶微分边缘检测算子 | 第21-24页 |
| 2.3.3 实验结果与分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于模糊理论的图像增强 | 第26-45页 |
| 3.1 模糊集合及模糊关系 | 第26-32页 |
| 3.1.1 模糊集合的概念及性质 | 第26-28页 |
| 3.1.2 几种常用的模糊分布 | 第28页 |
| 3.1.3 隶属函数及模糊关系 | 第28-32页 |
| 3.2 经典的模糊增强算法 | 第32-34页 |
| 3.2.1 Pal.King模糊增强算法 | 第32-33页 |
| 3.2.2 Pal.King算法的不足 | 第33-34页 |
| 3.3 改进的模糊增强算法 | 第34-37页 |
| 3.3.1 针对渡越点的改进算法 | 第34-35页 |
| 3.3.2 针对隶属度函数的改进算法 | 第35-36页 |
| 3.3.3 多层次的模糊增强算法 | 第36-37页 |
| 3.4 基于广义模糊算子的模糊增强 | 第37-44页 |
| 3.4.1 广义模糊集理论 | 第37-38页 |
| 3.4.2 基于GFO算子的模糊增强算法实现 | 第38-40页 |
| 3.4.3 实验结果与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于直线检测的安全带识别 | 第45-56页 |
| 4.1 直线检测算法简介 | 第45-46页 |
| 4.2 Hough变换原理 | 第46-50页 |
| 4.2.1 Hough变换基本原理 | 第46-48页 |
| 4.2.2 标准Hough变换 | 第48-49页 |
| 4.2.3 传统Hough变换存在的问题 | 第49-50页 |
| 4.3 改进的Hough变换直线检测 | 第50-51页 |
| 4.3.1 多层Hough变换直线检测 | 第50页 |
| 4.3.2 概率Hough变换直线检测 | 第50-51页 |
| 4.3.3 随机Hough变换直线检测 | 第51页 |
| 4.3.4 分类Hough变换直线检测 | 第51页 |
| 4.4 直线检测及判别模块的设计与实现 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 安全带佩戴识别过程及结果分析 | 第56-64页 |
| 5.1 安全带佩戴识别过程 | 第56页 |
| 5.2 安全带佩戴识别结果及分析 | 第56-61页 |
| 5.3 本章小结 | 第61-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |
