论文部分内容阅读
实时的驾驶督导是减少交通事故的重要手段,也是当前智能交通领域的研究前沿和热点。基于机器视觉的检测方法相对来说也是最具研究价值和应用前景的方法。本文针对驾驶员手部姿势以及运动状态的特点,结合图像处理和模式识别技术,提出了一种和传统驾驶行为检测技术的不同的方法,就是本文将要阐述的违规驾驶行为检测方法。文章开始是讲图像预处理及感兴趣区域的建立,然后对驾驶员驾驶姿态进行提取、驾驶员驾驶姿势进行跟踪,最后是对驾驶行为进行分类来实现该检测方法,并通过大量实验和应用实例验证了方法的有效性。主要工作和研究成果包括:1.提出了一种适用于本课题的图像预处理和感兴趣区域建立的方法。该方法首先实验对比设计出适用于本课题的图像预处理方法,然后在检测出边缘的基础上结合直接最小二乘椭圆拟合算法,检测出方向盘轮廓来以建立只包含驾驶员手部活动范围的图像感兴趣区域。实验结果表明该方法不仅能够有效地缩小待处理图像的区域,滤去了不用考虑的一些噪音,而且可以提升图像特征提取环节的算法效率。2.提出了比较常见的驾驶员手部提取的方法。首先介绍颜色空间,在颜色空间的基础上通过实验建立YCbCr空间的肤色高斯模型以提取肤色特征,然后在提取出的肤色进行连通区域进行标记和一些去噪,就可以识别手部,并进行跟踪。最后通过实验验证了该提取方法的有效性。3.提出了改进的自适应的肤色模型的方法。文中提到了两种方法,第一种方法就是在考虑亮度这个因素时提出来的肤色模型;动态更新模型就是运用于实时获取图片,利用图片间的一些相似特点和上一帧图片的一些特点提出的方法。4.提出了基于朴素贝叶斯分类算法的驾驶行为分类方法。该方法首先对由驾驶员的手部位置和运动特征组成的训练实例集和验证实例集进行特征约简、数据离散化,完成分类器的设计和训练,然后利用验证实例集进行驾驶行为分类实验。5.在winCE环境下使用VS2005进行编程实现违规驾驶行为检测系统。实际应用表明该系统具有良好的推广前景,并验证了本文研究的有效性。