驾驶人未系安全带识别系统研究
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究目的意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 图像获取及预处理 | 第17-25页 |
| 2.1 图像获取 | 第17-19页 |
| 2.2 图像预处理 | 第19-24页 |
| 2.2.1 灰度化转换 | 第19-20页 |
| 2.2.2 图像增强 | 第20-22页 |
| 2.2.3 车辆边缘检测 | 第22-23页 |
| 2.2.4 形态学运算 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 车辆定位和车牌定位 | 第25-34页 |
| 3.1 基于积分投影的车辆定位 | 第25-26页 |
| 3.2 基于Haar分类器的车牌定位 | 第26-33页 |
| 3.2.1 设立车牌ROI区 | 第26-27页 |
| 3.2.2 Haar分类器原理 | 第27-30页 |
| 3.2.3 车牌定位及分析 | 第30-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 未系安全带纹理特征提取 | 第34-46页 |
| 4.1 安全带识别区域定位 | 第34-36页 |
| 4.2 基于灰度梯度共生矩阵的纹理特征提取 | 第36-39页 |
| 4.3 基于小波变换的特征提取 | 第39-43页 |
| 4.3.1 二维离散小波变换 | 第39-40页 |
| 4.3.2 小波基的选择 | 第40-41页 |
| 4.3.3 分解层数的确定 | 第41-42页 |
| 4.3.4 离散小波特征提取 | 第42-43页 |
| 4.4 Tamura纹理特征提取 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 基于支持向量机的未系安全带识别 | 第46-61页 |
| 5.1 支持向量机基础 | 第46-48页 |
| 5.1.1 线性支持向量机 | 第46-47页 |
| 5.1.2 非线性支持向量机 | 第47-48页 |
| 5.2 基于Relief算法的特征选择 | 第48-53页 |
| 5.2.1 Relief算法的数学表达 | 第48-49页 |
| 5.2.2 特征选择及分析 | 第49-53页 |
| 5.3 未系安全带识别模型的建立 | 第53-55页 |
| 5.3.1 样本图像的选取 | 第53页 |
| 5.3.2 核函数选择 | 第53-54页 |
| 5.3.3 未系安全带识别模型的建立 | 第54-55页 |
| 5.4 基于遗传算法的参数优化 | 第55-58页 |
| 5.4.1 遗传算法基本原理 | 第55-56页 |
| 5.4.2 支持向量机参数优化 | 第56-58页 |
| 5.4.3 寻优结果及分析 | 第58页 |
| 5.5 实验结果及分析 | 第58-60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 主要结论 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |
