發(fā)布時間：2021-03-15 19:35

　　隨著經(jīng)濟飛速發(fā)展,人均汽車保有量不斷增加,交通安全問題開始日益嚴峻。據(jù)相關統(tǒng)計,駕駛員的違章行為是造成交通事故發(fā)生最主要的原因。因此,傳統(tǒng)的交通系統(tǒng)已經(jīng)不能滿足交通管理的需求,目前迫切需要一種高效智能的交通檢測系統(tǒng)來識別駕駛員的違章行為,從而最大程度避免交通事故的發(fā)生。基于計算機視覺的駕駛員違章行為檢測系統(tǒng)具有非侵入、實時高效等優(yōu)點,逐漸得到了推廣。本文主要對智能交通中的駕駛員違章行為識別算法進行了研究,并設計了一套駕駛員違章行為檢測系統(tǒng),實現(xiàn)了對車輛的車窗檢測、駕駛員安全帶佩戴識別和打電話識別。本文的研究工作主要在以下幾個方面:（1）在已有的技術和研究基礎上,采用積分投影結合MBI特征對傳統(tǒng)的車窗區(qū)域提取算法進行改進,完成對車窗區(qū)域圖像的精確提取。（2）研究安全帶佩戴識別算法,使用Hough變換檢測直線方法找出駕駛員位置圖像的直線信息,再根據(jù)判定條件分類進行安全帶佩戴識別。再基于HOG特征和SVM重新設計安全帶佩戴識別算法,與前一種方法進行對比,取得更好的檢測效果。（3）研究駕車打電話識別算法,首先仿造Alex Net的結構設計識別駕駛員人臉區(qū)域的卷積神經(jīng)網(wǎng)絡,再用人臉區(qū)域的位置定位... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

卡口攝像機

RobertsCross邊緣檢測算子Roberts算子檢測出的邊緣寬度較大，對噪聲的抗干擾能力不強，并且閾值需要人

Prewitt邊緣檢測算子

【參考文獻】：
期刊論文
[1]基于多特征集成的卡口圖像前車窗的定位算法[J]. 曲寶珠,曹國,劉宇,周麗存.  信息技術. 2016(12)
[2]深度卷積神經(jīng)網(wǎng)絡在計算機視覺中的應用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[3]基于聯(lián)合HOG特征的車牌識別算法[J]. 殷羽,鄭宏,高婷婷,劉操.  計算機工程與設計. 2015(02)
[4]智能交通系統(tǒng)綜述[J]. 趙娜,袁家斌,徐晗.  計算機科學. 2014(11)
[5]基于機器視覺的駕駛人使用手持電話行為檢測[J]. 張波,王文軍,魏民國,成波.  吉林大學學報(工學版). 2015(05)
[6]基于LBP和深度學習的非限制條件下人臉識別算法[J]. 梁淑芬,劉銀華,李立琛.  通信學報. 2014(06)
[7]一種基于HOG-PCA的高效圖像分類方法[J]. 李林,吳躍,葉茂.  計算機應用研究. 2013(11)
[8]基于邊緣的SSIM圖像質量客觀評價方法[J]. 田浩南,李素梅.  光子學報. 2013(01)
[9]基于HOG特征的行人視覺檢測方法[J]. 程廣濤,陳雪,郭照莊.  傳感器與微系統(tǒng). 2011(07)
[10]SVM分類核函數(shù)及參數(shù)選擇比較[J]. 奉國和.  計算機工程與應用. 2011(03)

碩士論文
[1]基于圖像分析的未系安全帶自動檢測方法研究[D]. 程偉.沈陽理工大學 2016
[2]基于Adaboost的安全帶檢測方法[D]. 李賡.合肥工業(yè)大學 2015
[3]基于機器視覺的駕駛員打電話行為檢測[D]. 王丹.北京理工大學 2015
[4]智能交通中的違章識別算法研究[D]. 黎華東.哈爾濱工業(yè)大學 2014
[5]基于HOG特征的人臉識別系統(tǒng)研究[D]. 慕春雷.電子科技大學 2013
[6]基于深度學習的人臉識別研究[D]. 林妙真.大連理工大學 2013
[7]基于HOG特征的目標識別算法研究[D]. 尚俊.華中科技大學 2012



本文編號：3084698