基于Adaboost算法的人眼检测技术在路考系统中的应用

驾驶人人眼检测是实现道路驾驶技能考试智能化评判的关键技术,本文提出了一种基于Adaboost算法的人眼检测方法,对比了Hear-like特征和扩展Hear-like特征,分析了基于积分图的特征快速提取方法,实现了人眼特征的实时检测跟踪。     

驾驶人眼睛定位与跟踪算法的研究

通过机器视觉技术对眼睛动作和视线转移特征的分析可实现驾驶人警觉状态的有效估计,但实际行车过程中驾驶人面部姿态的不确定性变化对眼睛定位算法提出了严峻挑战.本文中在采用主动形状模型算法对面部区域进行配准的基础上,提出运用Lucas-Kanade光流进行全局跟踪,并采用基于自商图的Meanshift算法进行局部校准的跟踪策略.实验结果表明,Meanshift算法的局部极值化能力能有效消除Lucas-Kanade光流跟踪中的误差积累,有效提高了人眼定位与跟踪精度.     

基于灰度投影的驾驶员图像眼睛定位

眼睛位置的快速准确定位是利用视觉方法对驾驶员的驾驶状态进行监测和预警的前提。采用一种基于灰度特征投影的方法进行眼睛位置的有效快速定位。在利用皮肤颜色YCrCb空间分布二维高斯模型可靠定位人脸区域的基础上，建立了进行眼睛位置检测的感兴趣区域，最后分别对灰度图像和二值化图像进行水平和垂直方向灰度投影确定眼睛位置。实验结果表明，该算法具有很好的可靠性和实时性，为后续驾驶员状态研究奠定了良好基础。     

适用驾驶员疲劳状态监测的人眼定位方法研究

驾驶员在车辆行驶过程中是否疲劳驾驶可以从眼睛的状态反映出来，利用驾驶员眼睛的状态信息来判断驾驶员疲劳状况是一种可行的方法。在采用计算机视觉对驾驶员进行驾驶行为监控时，驾驶员面部眼睛定位是判断驾驶员是否疲劳驾驶的关键。为了解决面部眼睛定位的实时性以及头部旋转不确定性等问题，本文在人脸面部定位的基础上，给出了一种基于区域标示算法的面部人眼定位算法。试验验证了上述算法的有效性。     

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

基于改进 Adaboost 的行人快速检测与定位算法

随着智能交通的发展,道路行人主动安全的重要性愈发凸显,且越来越受到国内外研究机构的重视。选取 Harr-like特征,利用积分图快速计算矩形特征,对传统的Adaboost算法引入优化更新权重的方法,提出1种基于级联分类器的行人检测方法,实现行人的实时区域快速检测。实验结果表明,基于改进Adaboost算法的快速行人检测与定位方法实时性强、准确率高,基于该算法的行人快速检测与定位系统可靠性高、鲁棒性强。      

基于小波域量化的数字图像水印容量估计

提出了一种基于小波域的容量自适应数字图像水印算法，从小波量化出发，对可嵌水印位置进行选择。在此基础上，结合人眼视觉模型和图像纹理特性，得出小波域的水印最大可嵌强度，用修改极性的方法进行水印的嵌入和提取。仿真结果表明，该算法不仅具有较好的不可视性和鲁棒性，而且在保证这些性能的基础上实现了自适应容量，较好地协调了水印三要素间的关系。     

基于LDPC码的数字水印技术

由于图像水印系统和通信系统的模式具有相似性，提出了一种基于LDPC码的图像数字水印算法。该算法利用LDPC码的纠错性能和人眼视觉特性，以实现静止图像中数字水印的嵌入和提取；在水印嵌入之前，对水印序列进行LDPC码编码，然后把水印嵌入到符合人眼视觉特性的小波域中，并采用了LDPC迭代译码算法进行水印提取，最后进行了仿真实验。实验结果表明，该算法降低了水印在传输过程中的误码率，具有很强的鲁棒性和视觉不可见性。     

基于固定颜色搭配搜索和形态学的车牌定位

汽车牌照定位是牌照识别系统中的关键技术之一.为了快速准确地对汽车牌照进行定位,提出了一种基于固定颜色搭配搜索的车牌定位新方法.该方法包括图像自适应预处理、固定颜色搭配搜索、形态学处理和车牌候选区域判断,以及最后的车牌底色识别等5个步骤.与传统的车牌定位方法相比,该方法不仅能够有效减少伪车牌区域的检验和能够判断出车牌的底色,而且可以有效地解决背景环境复杂及车牌底色和车身颜色相一致的车牌定位问题.试验结果表明,该方法具有算法简单、实时性强和定位精确高等优点.     

一种基于纹理分析和投影法的车牌定位方法

针对现有车牌定位算法在复杂背景和不同光照条件下很难快速、准确地定位汽车牌照位置问题,提出了一种基于纹理分析和投影法的车牌定位方法。该方法利用车牌区域字符丰富的纹理特征和投影统计规律对车牌位置进行粗、精两次定位。实验表明在不同光照、不同车型和不同背景条件下,该方法定位速度快、准确率高,具有较高的实用性。     

基于视觉的驾驶人疲劳及注意力监测方法

对驾驶人疲劳状态监测技术进行了深入研究,分析了在实际应用中存在的问题,在此基础上提出基于灰度方差定位驾驶人面部,利用投影曲线极点位置分割面部器官独立区域,对每一个独立区域进行OSTU计算和轮廓提取,最终获得眼睛的轮廓状态,利用PERCLOS判断驾驶人的精神状态。利用驾驶人面部器官定位的结果,对人体头部旋转运动模型进行分析,提出了计算驾驶人面部旋转角度的计算方法。最后给出判断驾驶人的注意力是否分散的判断策略。试验结果表明,该算法实时性好,具有较好的鲁棒性,可以为驾驶人疲劳状态及注意力状态的判断提供较为准确的依据。     

基于深度学习的船舶驾驶员疲劳检测算法

针对日益凸显的船舶值班人员疲劳驾驶问题，为有效预警值班驾驶员的疲劳状态，保障船舶航行安全，研究了基于深度学习的疲劳检测算法。考虑到船舶驾驶台空间大、背景复杂等特点，使用深度可分离卷积改进RetinaFace人脸检测模型，优化模型的检测速度；基于Channel Split和Channel Shuffle思想，结合批量归一化、全局平均池化等技术搭建改进的ShuffleNetV2网络，自动提取图像特征，识别眼睛、嘴巴的开闭状态；根据PERCLOS准则融合眼睛、嘴巴2个特征参数综合判定驾驶员是否疲劳。实验结果表明:改进后RetinaFace模型的检测速度由9.33帧/s提升至22.60帧/s，人脸检测精度和速度均优于多任务卷积神经网络（MTCNN）；改进的ShuffleNetV2网络识别眼睛、嘴巴状态的准确率高达99.50%以上；算法在模拟驾驶台环境中识别疲劳状态的精确率达到95.70%，召回率达到96.73%，均高于目前常见的Haar-like+Adaboost以及MTCNN+CNN疲劳检测算法。算法检测每帧图片仅需0.083 s，基本满足实时检测的要求。      

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

基于遗传算法的路基土石方数量估算方法

介绍了一种自动选择地面点的方法,通过该方法选择的地面点之间的距离是变化的,而连接这些所选地面点的模拟地面线也较好地吻合了实际地面线,因此利用这些地面点估算所得到的路基土石方数量结果将会比较精确。将模拟地面线和实际地面线之间的误差平方和的最小化作为该方法的目标函数,而将遗传算法作为寻找该方法目标函数最优解的工具。通过一个算例验证了该方法相对于传统方法的优越性。     

Adaptive Ride Control In Active Suspension Systems

The paper describes the development of an adaptive control algorithm for active suspension systems based on optimal regulation methods. The objective is to design an algorithm which will automatically tune at start-up to changed vehicle conditions and adaptively re-tune to changes in driving conditions (in particular road generated disturbances). The proposed algorithm is a self-tuning regulator based on generalised minimum variance (GMV) control. Simulation results obtained for a 3 degree-of-freedom (DOF) quarter car suspension demonstrate potential benefits of fully adaptive control in automotive suspensions.     

引入网络影响分析的道路选线优化模型

提出一个基于遗传算法的道路选线优化模型,该模型首先随机生成新建道路空间位置的候选方案集,并依据GIS平台自动设计新建道路的平竖曲线,并计算其各项工程费用;接下来,分析变化了的路网的拓扑结构,并在新路网中分配OD交通量,获得OD交通在新路网上的交通流特征,进而计算OD交通量的走行时间和在路网上的环境负荷;然后,利用工程费用、OD交通走行时间费用和环境负荷当量费用构造适应度函数,以判断各候选方案的优劣,同时实施选择、交叉、变异操作以获得更多的候选方案,直至得到一个最佳的新建道路方案为止。数字试验结果显示:新建道路对路网的影响不容忽视。     

高速公路标识站选址模型与算法研究

以路网拓扑结构为基础,采用图论中的支撑树理论来研究高速公路标识站数量及选址问题。基于支撑树任意两点之间恰有一条路径的性质,定义了余边集的概念,在此基础上提出了标识站确定理论,从根本上确立了标识站最优数量,并将破圈法与展开树法有机结合,提出了适合大型路网的标识站选址算法。标识站数量确定理论和展开树算法,从根本上解决了路网收费中二义性路径的标识问题,可以直接用于高速公路及城市轨道的标识站设计与建设中,能够确定所有标识站选址方案。给出了一个试验实例以证明该理论与算法的可行性。     

一种基于LQI的道路车辆定位方法实现

设计了一种基于无线网络的,用于特定路段的车辆定位系统。对常用的无线网络节点定位的方式进行了对比分析,结合车用无线定位的特点,选择了基于LQI信号的无线定位方式。在定位算法的设计中,改进了三边测量法,给出了一种基于正方形形心的定位算法。设计了合理的定位模型标定方法,对所设计的定位模型进行了标定。从定位误差的角度对标定的定位模型进行了试验分析。试验结果表明,论文给出的基于LQI的无线网络节点定位方法达到了预期的定位要求。     

带时效性约束的物流中心选址研究

论述设施选址的时效性约束问题,构造带时效性约束的物流中心选址模型,分析求解重心选址模型传统迭代算法的局限性,提出一种新的基于Matlab优化函数的精确算法,并给出算例,验证模型和新算法的可行性。模拟分析表明,基于Matlab函数的新算法,编程简单,功能强大,能够求解传统迭代算法无法求解的带时效性约束选址问题。     

基于3D空间球面的车载全景快速生成方法

为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。