| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 基于道路监控设备的危险驾驶行为识别 | 第14-15页 |
| 1.2.2 基于车载设备的危险驾驶行为识别 | 第15页 |
| 1.2.3 基于用户随身设备的危险驾驶行为识别 | 第15-16页 |
| 1.3 主要研究内容和贡献 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 相关工作 | 第19-31页 |
| 2.1 基于道路监控设备的危险驾驶行为识别 | 第19-20页 |
| 2.2 基于车载设备的危险驾驶行为识别 | 第20-21页 |
| 2.3 基于用户随身设备的危险驾驶行为识别 | 第21-29页 |
| 2.3.1 智能手机传感器处理相关算法 | 第22-24页 |
| 2.3.2 基于智能手机传感器识别危险驾驶行为 | 第24-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于手机惯性传感器的多维数据与Ground truth信息融合 | 第31-51页 |
| 3.1 背景介绍 | 第31-32页 |
| 3.2 基于惯性传感器的Ground truth信息获取及可行性分析 | 第32-35页 |
| 3.3 基于手机惯性传感器的多维数据融合算法 | 第35-45页 |
| 3.3.1 算法框架 | 第35-36页 |
| 3.3.2 基于信号处理的手机惯性传感器数据增强 | 第36-42页 |
| 3.3.3 基于惯性传感器的数据融合与多坐标系数据解算 | 第42-45页 |
| 3.4 实验评估 | 第45-49页 |
| 3.4.1 实验设备传感器介绍 | 第46页 |
| 3.4.2 惯性传感器信号处理算法评估 | 第46-47页 |
| 3.4.3 数据融合算法评估 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于智能手机传感器的人车状态持续感知 | 第51-71页 |
| 4.1 背景介绍 | 第51-52页 |
| 4.2 基于手机运动模式识别的驾驶员状态感知 | 第52-62页 |
| 4.2.1 算法框架 | 第52页 |
| 4.2.2 基于惯性参考系手机运动模式的驾车行为识别 | 第52-56页 |
| 4.2.3 基于车身坐标系手机运动模式的驾驶员状态感知算法 | 第56-59页 |
| 4.2.4 基于手机轨迹的驾驶员识别 | 第59-62页 |
| 4.3 基于智能手机传感器的车辆行驶状态持续感知 | 第62-65页 |
| 4.3.1 问题定义 | 第62页 |
| 4.3.2 多维度车辆行驶状态信息估计 | 第62-65页 |
| 4.4 实验评估 | 第65-69页 |
| 4.4.1 数据集 | 第65-66页 |
| 4.4.2 驾驶员状态感知算法实验结果 | 第66-69页 |
| 4.4.3 车辆状态感知算法评估 | 第69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 基于智能手机传感器的多任务危险驾驶行为识别 | 第71-79页 |
| 5.1 背景介绍 | 第71-72页 |
| 5.2 基于人车状态的多任务危险驾驶行为识别 | 第72-75页 |
| 5.2.1 问题定义 | 第72-73页 |
| 5.2.2 基于规则的危险驾驶行为识别 | 第73-74页 |
| 5.2.3 RDC有监督鲁莽驾驶识别 | 第74-75页 |
| 5.3 实验评估 | 第75-76页 |
| 5.3.1 数据集介绍 | 第76页 |
| 5.3.2 RDC分类算法评估 | 第76页 |
| 5.4 本章小结 | 第76-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 本文工作总结 | 第79-80页 |
| 6.2 未来工作展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 在读期间发表的学术论文与取得的研究成果 | 第87页 |
