【摘要】：近年來,汽車安全氣囊的廣泛使用,大大降低了道路交通事故發(fā)生時(shí)的傷亡率。但普通安全氣囊系統(tǒng)是根據(jù)第九十五百分位男性乘員的正常坐姿進(jìn)行開發(fā)的,當(dāng)發(fā)生事故時(shí),小身材或者離位乘員極有可能受到安全氣囊的二次傷害。因此,智能安全氣囊系統(tǒng)的研究便應(yīng)運(yùn)而生。智能安全氣囊可通過實(shí)時(shí)獲取乘員類型等信息來動(dòng)態(tài)決策氣囊的展開時(shí)刻以及展開的強(qiáng)度等工作模式,進(jìn)而完成對(duì)不同類型乘員的最佳保護(hù)。因此,乘員類型的識(shí)別和分類是安全氣囊智能化的前提和核心。本文根據(jù)不同類型乘員邊緣輪廓的差別性,采用圖像處理技術(shù)和模式識(shí)別方法研究了不同乘員類型圖像的特征提取和選擇、分類器的設(shè)計(jì)等問題,在此基礎(chǔ)上建立了乘員類型識(shí)別系統(tǒng)。本文的主要研究內(nèi)容如下:1.乘員圖像的采集和邊緣提取。通過CCD相機(jī)采集副駕駛座上的乘員圖像,并對(duì)圖像進(jìn)行預(yù)處理。本文根據(jù)乘員圖像與車內(nèi)背景的實(shí)際情況,首先將彩色圖像灰度化,然后經(jīng)過圖像感興趣區(qū)域獲取、圖像增強(qiáng)處理和邊緣檢測后,得到一個(gè)乘員邊緣圖像。2.邊緣圖像特征值的提取和選擇。由于邊緣圖像可以被看作一個(gè)隨機(jī)概率分布函數(shù),可利用矩技術(shù)實(shí)現(xiàn)圖像特征的提取。本文采用Hu矩和Zernike矩作為乘員圖像提取的不變矩。特征向量的高維數(shù)不僅增加計(jì)算復(fù)雜度,而且會(huì)降低分類器的正確率,因此有必要對(duì)提取的特征進(jìn)行選擇優(yōu)化。根據(jù)搜索策略和評(píng)價(jià)準(zhǔn)則,選擇微分進(jìn)化算法(Differential Evolution,DE)對(duì)特征進(jìn)行優(yōu)化選擇,結(jié)合封裝原理,得到最優(yōu)特征子集。3.不同乘員類型的分類識(shí)別。本文采用支持向量機(jī)模式識(shí)別方法對(duì)已知乘員類型進(jìn)行學(xué)習(xí)訓(xùn)練,建立了乘員類型識(shí)別器。然后驗(yàn)證未知乘員類型,得到分類正確率。比較Hu矩、Zernike矩、Hu-Zernike矩和DE選擇后特征向量的乘員類型分類識(shí)別正確率,實(shí)驗(yàn)結(jié)果表明,經(jīng)過DE選擇優(yōu)化后的特征子集向量高于原始特征集的識(shí)別正確率。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U491.61;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李龍躍;劉付顯;劉永蘭;齊德慶;;目標(biāo)類型識(shí)別的改進(jìn)灰關(guān)聯(lián)模型[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 葛文義;車輛軸承類型識(shí)別方法的探討[J];哈鐵科技通訊;1997年02期

3 屈志宏;齊曉林;李方;郭明威;;多傳感器信息融合技術(shù)在目標(biāo)飛機(jī)類型識(shí)別上的應(yīng)用[J];火炮發(fā)射與控制學(xué)報(bào);2008年03期

4 李大鵬;楊根源;李京;;基于粗糙自適應(yīng)神經(jīng)模糊推理的導(dǎo)彈類型識(shí)別[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2012年04期

5 申清明;高建民;李成;;焊縫缺陷類型識(shí)別方法的研究[J];西安交通大學(xué)學(xué)報(bào);2010年07期

6 冷畫屏;吳曉鋒;余永權(quán);;水面目標(biāo)機(jī)動(dòng)類型識(shí)別研究[J];艦船科學(xué)技術(shù);2007年04期

7 郭建亮;郭軍;申卯興;;基于二叉樹支持向量機(jī)的空襲目標(biāo)類型識(shí)別[J];現(xiàn)代防御技術(shù);2009年01期

8 黃美發(fā);張晶;匡兵;;基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的零件加工尺寸類型識(shí)別[J];工程設(shè)計(jì)學(xué)報(bào);2008年05期

9 楊揚(yáng);姚恩建;岳昊;劉宇環(huán);;基于支持向量機(jī)的出行鏈活動(dòng)類型識(shí)別研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2010年06期

10 熊先澤;李言俊;張科;;基于信息管理與融合技術(shù)在目標(biāo)類型識(shí)別上的研究[J];航天控制;2007年05期

相關(guān)重要報(bào)紙文章 前1條

1 河北 周炳峻 劉峰 劉永紅;手機(jī)鋰離子電池淺析及變通利用[N];電子報(bào);2002年

相關(guān)博士學(xué)位論文 前2條

1 車紅昆;非成像式超聲檢測缺陷類型識(shí)別關(guān)鍵技術(shù)及其應(yīng)用研究[D];浙江大學(xué);2011年

2 張鑫瑜;短波語音通話下的飛機(jī)類型識(shí)別研究[D];哈爾濱工程大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 加力康;基于多源融合技術(shù)的轉(zhuǎn)子系統(tǒng)載荷識(shí)別研究[D];太原理工大學(xué);2016年

2 張昊;基于機(jī)器視覺的汽車乘員類型識(shí)別系統(tǒng)研究[D];吉林大學(xué);2016年

3 王一哲;事件類型識(shí)別問題研究[D];山東大學(xué);2013年

4 曹鼎;文件類型識(shí)別技術(shù)研究[D];解放軍信息工程大學(xué);2011年

5 許潭潭;基于內(nèi)容的數(shù)據(jù)碎片類型識(shí)別技術(shù)研究[D];杭州電子科技大學(xué);2014年

6 張鑫瑜;基于短波通信的飛機(jī)類型識(shí)別[D];哈爾濱工程大學(xué);2008年

7 李琥;銀行單據(jù)類型識(shí)別研究與實(shí)現(xiàn)[D];浙江大學(xué);2004年

8 邵素琳;基于機(jī)器視覺的煙葉梗莖檢測與煙葉類型識(shí)別方法研究[D];南京理工大學(xué);2013年

9 李亞奎;基于單目視覺的運(yùn)動(dòng)車輛類型識(shí)別[D];武漢理工大學(xué);2008年

10 張杰;圖像處理在車輛類型識(shí)別中的應(yīng)用[D];武漢理工大學(xué);2014年

本文編號(hào)：2753507