本文選題：安全帶檢測 + Adaboost算法��； 參考：《合肥工業(yè)大學(xué)》2015年碩士論文

【摘要】：安全帶檢測是智能交通系統(tǒng)中的一個重要研究課題,該技術(shù)的實現(xiàn)可以在很大程度上對那些安全意識淡薄和無視交通法規(guī)的駕乘人員起到警告或提醒作用,提高了駕駛員遵守交通法規(guī)的意識,從而達到降低交通事故傷亡率的效果。本文主要研究基于Adaboost的安全帶檢測方法,其主要研究工作和成果如下：1.提出了一種基于Adaboost的安全帶檢測方法,實現(xiàn)了一個完整的安全帶檢測系統(tǒng)。在道路監(jiān)控攝像機采集到道路車輛圖像后,圖像首先進入車窗區(qū)域粗定位模塊,找到圖像上若干個車窗候選區(qū)域,然后進入駕駛員區(qū)域粗定位模塊,找到圖像上若干個駕駛員候選區(qū)域,接著將結(jié)果送入安全帶檢測模塊,找到若干個安全帶檢測區(qū)域。2.采用SVM分類器對安全帶候選區(qū)域進行后處理。將利用正面車輛自身幾何關(guān)系并結(jié)合車窗、駕駛員、和安全帶候選區(qū)域在檢測時的置信度來構(gòu)建基于下文信息的特征向量,然后利用SVM算法進行后處理,最終剔除掉誤檢區(qū)域。3.文中詳述了經(jīng)典的安全帶檢測方法,從最基本的理論及其算法假設(shè)出發(fā),對比分析了各自的優(yōu)缺點。并在實驗環(huán)節(jié)中,在不同的應(yīng)用場景、不同的應(yīng)用難度上進行測試,完成了實驗結(jié)果對比分析,基于Adaboost的安全帶檢測方法的優(yōu)越之處。
[Abstract]:Seat belt detection is an important research topic in intelligent transportation system. The realization of this technology can to a large extent serve as a warning or reminder to drivers who are weak in safety awareness and who ignore traffic laws and regulations. The driver's consciousness of obeying traffic regulations is improved, and the casualty rate of traffic accident is reduced. This paper mainly studies the seatbelt detection method based on Adaboost, the main research work and results are as follows: 1. A seatbelt detection method based on Adaboost is proposed, and a complete seatbelt detection system is implemented. After the road vehicle image is captured by the road surveillance camera, the image first enters the coarse location module of the window area, finds several window candidate areas on the image, and then enters the coarse location module of the driver area. Several candidate driver regions were found in the image, and then the results were put into the seat belt detection module to find a number of seat belt detection areas. 2. SVM classifier is used for post-processing of seat belt candidate area. The feature vector based on the information below will be constructed by using the geometric relationship of the frontal vehicle and the confidence degree of the window, driver and seat belt candidate area in the detection, and then the SVM algorithm will be used for post-processing, finally eliminating the false detection region. In this paper, the classical seatbelt detection methods are described in detail, and their advantages and disadvantages are compared and analyzed based on the most basic theory and algorithm hypothesis. And in the experiment link, in the different application scene, the different application difficulty carries on the test, has completed the experiment result contrast analysis, based on the Adaboost seatbelt detection method superiority.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 潘奇明;朱誼強;;一種新的Adaboost樣本權(quán)重更新算法[J];重慶工學(xué)院學(xué)報(自然科學(xué)版);2008年06期

2 劉歡喜;劉允才;;一種基于Adaboost算法的人臉檢測[J];上海交通大學(xué)學(xué)報;2008年07期

3 蔣焰;丁曉青;;基于多步校正的改進AdaBoost算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2008年10期

4 李亞瓊;趙春暉;潘泉;張紹武;;新的AdaBoost算法評價體系[J];計算機工程與應(yīng)用;2009年08期

5 丁曉青;付強;;一種適用于超多類手寫漢字識別的新改型Adaboost算法[J];中國工程科學(xué);2009年10期

6 劉沖;張均東;曾鴻;任光;紀(jì)玉龍;;基于支持向量機的無窮維AdaBoost算法及其應(yīng)用[J];儀器儀表學(xué)報;2010年04期

7 李銳;王卷樂;任正超;;基于AdaBoost算法的城鎮(zhèn)建設(shè)用地遙感動態(tài)提取研究[J];國土資源遙感;2010年02期

8 付忠良;趙向輝;苗青;姚宇;;AdaBoost算法的推廣——一組集成學(xué)習(xí)算法[J];四川大學(xué)學(xué)報(工程科學(xué)版);2010年06期

9 周維柏;李蓉;;基于改進的AdaBoost和支持向量機的行人檢測[J];昆明理工大學(xué)學(xué)報(理工版);2010年06期

10 李勝;張培林;佟若雄;;基于多類AdaBoost的故障診斷算法[J];電子測量技術(shù);2011年08期

相關(guān)會議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

2 張?zhí)珜?人眼注視點估計方法的研究[D];南開大學(xué);2013年

3 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

，

本文編號：2020863