隨著時代的發(fā)展,無人駕駛己經(jīng)成為如今最熱的話題,但要真正做到無人駕駛的全面推廣,其中必不可少的步驟就是高級駕駛輔助系統(tǒng)（ADAS）的廣泛使用。ADAS系統(tǒng)主要是利用多個傳感器采集信息,并通過目標檢測、識別與跟蹤等處理技術來對采集到的信息進行危險性評估,從而預先為駕駛者判斷可能發(fā)生的危險,保證行車的安全性。本人在ADAS系統(tǒng)的搭建中,著重對駕駛員打電話行為檢測進行了研究,在開發(fā)過程中我們通過采集大量樣本訓練分類器,從而對駕駛員打電話行為進行判斷。然而大量的樣本采集,耗費了巨大的人力物力,特別是駕駛員打電話行為的采集、標注帶來了大量的繁瑣工作。面對此困難,本文試圖通過使用少量標記樣本的半監(jiān)督學習來解決此問題。論文的主要工作如下:（1）針對打電話行為檢測區(qū)域劃分的問題,提出了根據(jù)頭部位置的偏轉來確定打電話行為檢測區(qū)域,這樣所獲得的矩形框區(qū)域信息就會更有價值,從而能保證最終檢測結果的優(yōu)異性。（2）針對目前的半監(jiān)督支持向量機在打電話行為檢測時,由于打電話樣本遠少于正常駕駛樣本而造成的數(shù)據(jù)不平衡,導致大量打電話樣本被錯分為正常駕駛樣本的問題。本文通過改進局部搜索算法,對分類時可能發(fā)生錯分的邊界值進... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀分析
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 打電話行為檢測的技術難點
    1.4 本文主要工作
    1.5 本文組織結構
第2章 打電話行為檢測和半監(jiān)督學習的相關理論
    2.1 引言
    2.2 人臉檢測和人臉對齊
        2.2.1 人臉檢測
        2.2.2 人臉對齊
    2.3 半監(jiān)督學習
        2.3.1 半監(jiān)督學習概述
        2.3.2 半監(jiān)督支持向量機研究
    2.4 不平衡數(shù)據(jù)評判標準
        2.4.1 不平衡數(shù)據(jù)分類方法
        2.4.2 不平衡數(shù)據(jù)集分類評價標準
    2.5 小結
第3章 基于打電話行為檢測的PDS3VM
    3.1 引言
    3.2 改進的打電話行為檢測算法PDS3VM
        3.2.1 局部搜索算法
        3.2.2 結合欠采樣的局部搜索算法
    3.3 打電話行為圖像數(shù)據(jù)獲收
    3.4 實驗結果與分析
    3.5 小結
第4章 基于自適應類別比例的打電話行為檢測
    4.1 引言
    4.2 自適應類別比例算法
        4.2.1 DBSCAN
        4.2.2 半監(jiān)督DBSCAN
        4.2.3 自適應參數(shù)的PDDS3VM
    4.3 實驗效果分析
    4.4 小結
結論
參考文獻
附錄A 攻讀學位期間發(fā)表的學術論文與獲得的成果
附錄B 攻讀學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]半監(jiān)督學習方法[J]. 劉建偉,劉媛,羅雄麟.  計算機學報. 2015(08)
[2]基于分歧的半監(jiān)督學習[J]. 周志華.  自動化學報. 2013(11)
[3]汽車智能安全電子技術發(fā)展現(xiàn)狀與展望[J]. 李克強.  汽車工程學報. 2011(02)
[4]基于機器視覺的駕駛員注意力狀態(tài)監(jiān)測技術研究[J]. 成波,孟傳,張偉.  汽車工程. 2009(12)

碩士論文
[1]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
[2]基于半監(jiān)督SVM的非平衡學習[D]. 程偉.西安電子科技大學 2014
[3]基于機器視覺的駕駛人使用手持電話行為檢測方法[D]. 魏民國.清華大學 2014



本文編號：3024126