| 摘要 | 第15-17页 |
| ABSTRACT | 第17-19页 |
| 第1章 绪论 | 第20-36页 |
| 1.1 背景及意义 | 第20-21页 |
| 1.2 国内外研究现状 | 第21-32页 |
| 1.2.1 车辆安全技术 | 第21页 |
| 1.2.2 车辆主动安全技术 | 第21-23页 |
| 1.2.3 机器视觉感知下的车辆主动安全技术 | 第23-25页 |
| 1.2.4 机器视觉感知下的车辆主动安全技术分类 | 第25页 |
| 1.2.5 机器视觉感知下的驾驶员疲劳检测技术研究现状 | 第25-29页 |
| 1.2.6 机器视觉感知下的车道偏离检测技术研究现状 | 第29-31页 |
| 1.2.7 目前存在的问题 | 第31-32页 |
| 1.3 本文结构框架与研究内容 | 第32-36页 |
| 第2章 车载视觉系统图像增强算法研究 | 第36-52页 |
| 2.1 引言 | 第36页 |
| 2.2 光照不均对图像质量的影响 | 第36-37页 |
| 2.3 数字图像增强技术 | 第37-38页 |
| 2.3.1 空域增强技术 | 第37页 |
| 2.3.2 频域增强技术 | 第37-38页 |
| 2.4 基于Retinex理论的图像增强算法 | 第38-43页 |
| 2.4.1 Retinex理论 | 第38-39页 |
| 2.4.2 单尺度Retinex算法 | 第39页 |
| 2.4.3 多尺度Retinex算法 | 第39-40页 |
| 2.4.4 图像分解 | 第40-41页 |
| 2.4.5 图像增强 | 第41页 |
| 2.4.6 图像滤波 | 第41-42页 |
| 2.4.7 图像恢复 | 第42-43页 |
| 2.5 灰度图像增强算法 | 第43-46页 |
| 2.5.1 基于MSR算法的灰度图像增强 | 第43页 |
| 2.5.2 实验分析 | 第43-46页 |
| 2.6 彩色图像增强算法 | 第46-50页 |
| 2.6.1 图像空间转换 | 第46页 |
| 2.6.2 基于MSR算法的彩色图像增强 | 第46-47页 |
| 2.6.3 实验分析 | 第47-50页 |
| 2.7 本章小结 | 第50-52页 |
| 第3章 驾驶员面部特征检测研究 | 第52-92页 |
| 3.1 引言 | 第52页 |
| 3.2 基于红外图像的驾驶员面部特征分析 | 第52-55页 |
| 3.2.1 红外图像及成像技术 | 第52-53页 |
| 3.2.2 红外图像面部特征分析 | 第53-55页 |
| 3.3 基于夜间红外图像的眼睛检测 | 第55-68页 |
| 3.3.1 眼睛检测方法 | 第55-56页 |
| 3.3.2 夜间红外图像脸部区域检测 | 第56-60页 |
| 3.3.3 眼睛ROI确定 | 第60页 |
| 3.3.4 形态学图像处理 | 第60-61页 |
| 3.3.5 眼睛定位 | 第61-65页 |
| 3.3.6 眼睛状态分析 | 第65-66页 |
| 3.3.7 算法流程 | 第66页 |
| 3.3.8 实验分析 | 第66-68页 |
| 3.4 基于白天红外图像的眼睛检测 | 第68-75页 |
| 3.4.1 Adaboost算法 | 第68-69页 |
| 3.4.2 基于Adaboost算法的眼睛检测 | 第69-74页 |
| 3.4.3 算法流程 | 第74页 |
| 3.4.4 实验分析 | 第74-75页 |
| 3.5 基于红外图像的眼睛跟踪 | 第75-84页 |
| 3.5.1 贝叶斯估计 | 第75-76页 |
| 3.5.2 蒙特卡罗方法 | 第76页 |
| 3.5.3 序列重要性采样 | 第76-78页 |
| 3.5.4 重采样 | 第78页 |
| 3.5.5 基本粒子滤波算法 | 第78-79页 |
| 3.5.6 遗传粒子滤波算法 | 第79-80页 |
| 3.5.7 眼睛跟踪模型 | 第80-82页 |
| 3.5.8 算法流程 | 第82页 |
| 3.5.9 实验分析 | 第82-84页 |
| 3.6 基于红外图像的嘴巴检测 | 第84-86页 |
| 3.6.1 嘴巴区域检测 | 第84-85页 |
| 3.6.2 嘴巴中心位置计算 | 第85页 |
| 3.6.3 实验分析 | 第85-86页 |
| 3.7 基于红外图像的驾驶员头部姿态参数估计 | 第86-91页 |
| 3.7.1 特征三角形计算 | 第86-88页 |
| 3.7.2 转头分析 | 第88页 |
| 3.7.3 点头分析 | 第88-89页 |
| 3.7.4 摆头分析 | 第89-90页 |
| 3.7.5 实验分析 | 第90-91页 |
| 3.8 本章小结 | 第91-92页 |
| 第4章 车道线检测研究 | 第92-126页 |
| 4.1 引言 | 第92页 |
| 4.2 复杂环境下的结构化道路弯道车道线检测 | 第92-104页 |
| 4.2.1 道路图像预处理 | 第92-95页 |
| 4.2.2 车道线模型 | 第95-97页 |
| 4.2.3 车道线检测 | 第97-101页 |
| 4.2.4 实验分析 | 第101-104页 |
| 4.3 夜间结构化道路车道线检测 | 第104-114页 |
| 4.3.1 ROI提取 | 第104页 |
| 4.3.2 ROI图像预处理 | 第104-105页 |
| 4.3.3 Hough变换检测 | 第105-107页 |
| 4.3.4 车道线拟合 | 第107-108页 |
| 4.3.5 车道线跟踪 | 第108页 |
| 4.3.6 算法流程 | 第108-109页 |
| 4.3.7 实验分析 | 第109-114页 |
| 4.4 非结构化道路边界检测 | 第114-124页 |
| 4.4.1 图像空间选择 | 第114-116页 |
| 4.4.2 图像预处理 | 第116-117页 |
| 4.4.3 FCM道路分割 | 第117-120页 |
| 4.4.4 道路边界检测 | 第120-121页 |
| 4.4.5 算法流程 | 第121页 |
| 4.4.6 实验分析 | 第121-124页 |
| 4.5 本章小结 | 第124-126页 |
| 第5章 车辆主动安全系统研究 | 第126-144页 |
| 5.1 引言 | 第126页 |
| 5.2 基于多特征的驾驶员疲劳检测系统研究 | 第126-136页 |
| 5.2.1 粗糙集理论 | 第126-129页 |
| 5.2.2 疲劳检测系统条件属性分析 | 第129-131页 |
| 5.2.3 疲劳检测决策规则 | 第131页 |
| 5.2.4 疲劳检测系统流程 | 第131-132页 |
| 5.2.5 疲劳检测系统界面设计 | 第132-133页 |
| 5.2.6 实验分析 | 第133-136页 |
| 5.3 基于车道线角度变化的车道偏离预警系统研究 | 第136-142页 |
| 5.3.1 车道偏离数学模型 | 第136-138页 |
| 5.3.2 基于车道线角度变化的车道偏离数学模型 | 第138-139页 |
| 5.3.3 车道偏离预警检测流程 | 第139页 |
| 5.3.4 车道偏离预警系统界面设计 | 第139-140页 |
| 5.3.5 实验分析 | 第140-142页 |
| 5.4 本章小结 | 第142-144页 |
| 第6章 实车装置设计与道路实验 | 第144-156页 |
| 6.1 引言 | 第144页 |
| 6.2 实车装置设计 | 第144-149页 |
| 6.2.1 系统硬件组成 | 第144-148页 |
| 6.2.2 实验样车设计 | 第148-149页 |
| 6.3 道路实验与分析 | 第149-154页 |
| 6.3.1 实验一 | 第149页 |
| 6.3.2 结果与分析 | 第149-152页 |
| 6.3.3 实验二 | 第152页 |
| 6.3.4 结果与分析 | 第152-154页 |
| 6.4 本章小结 | 第154-156页 |
| 结论 | 第156-160页 |
| 参考文献 | 第160-174页 |
| 攻读博士学位期间取得的科研成果 | 第174-176页 |
| 致谢 | 第176-178页 |
| 外文论文 | 第178-191页 |
| 附件 | 第191页 |