智能交通中的驾驶员违章行为识别算法研究及软件系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景以及需求分析 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 智能交通系统 | 第10页 |
| 1.2.2 驾驶员行为检测算法 | 第10-11页 |
| 1.3 本文研究的主要内容 | 第11-12页 |
| 1.4 本文的章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 图像预处理与车窗检测 | 第14-30页 |
| 2.1 边缘检测 | 第14-17页 |
| 2.1.1 RobertsCross算子 | 第14-15页 |
| 2.1.2 Prewitt算子 | 第15页 |
| 2.1.3 Sobel算子 | 第15-16页 |
| 2.1.4 Canny算子 | 第16-17页 |
| 2.2 车窗检测 | 第17-28页 |
| 2.2.1 基于车牌识别的车窗粗定位 | 第18-20页 |
| 2.2.2 基于积分投影和MBI特征的车窗定位 | 第20-28页 |
| 2.3 实验结果与分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 驾驶员安全带佩戴识别 | 第30-49页 |
| 3.1 基于Hough变换的安全佩戴识别算法 | 第30-36页 |
| 3.1.1 Hough变换直线检测 | 第30-32页 |
| 3.1.2 安全带识别算法 | 第32-35页 |
| 3.1.3 实验结果与分析 | 第35-36页 |
| 3.2 基于SVM的安全带佩戴识别算法 | 第36-48页 |
| 3.2.1 SVM介绍 | 第36-37页 |
| 3.2.2 SVM的主要方法 | 第37-43页 |
| 3.2.3 安全带HOG特征提取 | 第43-46页 |
| 3.2.4 实验结果与分析 | 第46-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 驾驶员驾车打电话识别 | 第49-58页 |
| 4.1 卷积神经网络简介 | 第49-50页 |
| 4.2 驾驶员打电话识别算法 | 第50-57页 |
| 4.2.1 驾驶员的人脸定位 | 第50-53页 |
| 4.2.2 驾驶员打电话识别 | 第53-55页 |
| 4.2.3 驾驶员违规使用电话识别 | 第55-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 驾驶员违章行为检测系统设计 | 第58-66页 |
| 5.1 基于Qt的人机交互UI设计 | 第58-61页 |
| 5.1.1 Qt简介 | 第58-59页 |
| 5.1.2 UI设计 | 第59-61页 |
| 5.2 驾驶员行为检测模块设计 | 第61-65页 |
| 5.2.1 配置OpenCV开发环境 | 第61页 |
| 5.2.2 检测算法程序设计 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 总结和展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
