【摘 要】
：
危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点,并取得了较好的效果。但在资源有限的边缘端设备上,危险驾驶行为检测方法面临着光照环境适应性不强和准确率低等挑战。论文面向以上挑战,开展对于不同光照环境具有良好适应性的高效危险驾驶行
论文部分内容阅读
危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点,并取得了较好的效果。但在资源有限的边缘端设备上,危险驾驶行为检测方法面临着光照环境适应性不强和准确率低等挑战。论文面向以上挑战,开展对于不同光照环境具有良好适应性的高效危险驾驶行为检测方法研究和系统设计。论文深入调研了现有的危险驾驶行为检测方法,并分析了基于生理特征、行为特征以及计算机视觉检测方法的优缺点,提出了一套光照环境适应性强、计算复杂度低的危险驾驶行为检测方法和危险驾驶行为检测系统方案。在此基础上,论文采集不同光照环境下的驾驶员行为视频数据,制作了疲劳和分心行为数据集,并在公共数据集上将论文构建的神经网络模型与其他方法进行了比较。为了更好的验证论文提出的危险驾驶行为检测方法的性能,论文基于NVIDIA Jetson TX2嵌入式平台和红外补光摄像头完成了危险驾驶行为检测系统设计,并在车内复杂光照环境下对系统的功能与性能进行了测试。论文的创新点有:（1）提出了一种基于OTSU和模糊C均值聚类算法的光照环境识别方法,将光照环境识别方法与轻量级卷积神经网络模型相结合,可有效增强疲劳驾驶检测算法的光照环境适应性。（2）设计了一个倒残差注意力模块,并构建了一种基于注意力机制的轻量级卷积神经网络模型,将减均值滤波算法与构建的网络模型相结合,在保证准确率的同时,可有效降低分心驾驶检测算法的计算复杂度。经测试,论文设计的危险驾驶行为检测系统在车内复杂光照环境下的检测准确率达到95%以上,同时具有危险驾驶行为实时预警和危险驾驶行为证据保存功能。
其他文献
情绪是一种能够表达人的思想、感觉等的综合状态,在人们的交流中有着举足轻重的作用。尤其在人-机交互的研究中,若能准确识别情绪,人-机交互的应用就会更加智能且自然。研究发现,情绪识别的研究综合了认知心理学、计算机视觉、人工智能和脑科学等领域,现已成为一项重要的交叉学科研究课题。如何准确和快速地识别出情绪,一直是该交叉学科领域研究的关键科学问题。目前较成熟的情绪识别算法中,ESRs算法能有效减少剩余泛化
压缩感知理论不再约束于奈奎斯特-香农采样定理对采样频率的要求,其将采样过程和压缩过程进行有机结合,为如何进行有效的信号采样、传输和存储提供了新的模式,将压缩感知应用于图像处理领域,能够减少采样数据量且避免高速采样。从极少量的测量值中有效且高概率高质量恢复出原始信号是压缩感知图像重建研究的核心问题,学者们相继提出了传统和基于深度学习的压缩感知图像重建算法,传统算法基于数学推导是可解释的,但其重建质量
行人重识别技术旨在通过对多摄像头拍下的行人目标进行身份一致性匹配,从而实现对跨摄像头下行人运动轨迹的准确追踪,目前被广泛应用于安全监控、道路交通、智慧校园等领域。面对大量的监控数据时,使用行人重识别技术进行智能识别,可以实现更快、更高效的信息处理和信息分享,提高生活智能化水平,对维护社会稳定安全都具有重要的意义。由于摄像机获取的行人数据集存在光照变化、复杂背景、姿势差异和遮挡等问题,目前的方法往往
随着车辆正在向智能化、网联化演进,行车安全预警作为车辆重要的智能应用之一,受到学术界的广泛关注,有效的行车安全预警能够极大程度提高交通安全,提升驾驶体验。行车安全预警策略一般基于实时道路交通流特性以及本车行驶特性进行建立,如果能够及时发现行车过程中的潜在行车风险,并以之为依据,生成行之有效的行车策略,则能够防患于未然;因此,行车潜在风险的评价方法已经成为学术界的关注重点。本文从VTTI100car
无人机（Unmanned Aerial Vehicle,UAV）作为一种新兴装备,具有灵活部署和易于控制等特点。将UAV应用于现代移动通信网络,从而扩大网络覆盖范围或构建UAV集群网络,已成为无线通信领域研究热点之一。与此同时,伴随着Alpha Go的成功,作为强化学习（Reinforcement Learning,RL）重要分支的多智能体强化学习（Multi-agent RL,MARL）,由于能
在高肥胖率和人口老龄化的趋势下,心血管疾病等慢性病发生率越来越高。对血氧饱和度和心率等关键生命指标进行持续可靠的监测,对于预防慢性病来说变得非常重要。基于光电容积脉搏波描记法（Photoplethysmography,PPG）的检测方法广泛用于无创、连续、实时的人体血氧饱和度、心率、血压等生命体征参数监测,为临床医疗检测和便携式医疗设备提供了重要的技术方案。本文研究和设计了一种用于脉搏波信号检测的
智能监控系统中的视频异常检测技术旨在自主检测出监控画面中的异常事件,有利于维护社会公共安全,具有较高的学术价值和工业价值,也是当前计算机视觉领域的研究热点之一。影响视频异常检测算法精度的主要因素包含事件的时空特征学习和异常评估两个部分,本文将从这两个方面着手研究,以实现事件的完备描述,增强异常事件的可分辨性,进而提高异常检测精度,主要内容包括:（1）针对基于深度学习的帧重构模型泛化能力过强而无法保
随着下一代网络多媒体化发展,业务呈现出爆炸式增长特性,仅凭现有地面网络架构与物理层技术难以产生真正的通信技术变革以满足日益增加的网络业务承载,且地面网络弱覆盖以及系统高能耗等问题亟待解决。本文从6G网络实现泛在连接和高能效两大目标出发,构建了兼具穿透和反射的可重构智能表面（STAR-RIS）辅助的空天地一体化网络架构,其中STAR-RIS能进一步扩展空天地一体化网络服务范围,从而满足山地等复杂场景
在万物互联的时代,无线通信技术的高速发展极大地方便了人们的工作与生活。但受限于地理等因素,现有的地面网络仍无法满足全球日益增长的通信需求,由此卫星通信技术开始受到业内人士的青睐。然而,卫星波束宽广的覆盖范围和无线电信号的广播特性使得卫星系统更容易受到不法分子的恶意攻击。考虑到无线环境的高度开放性与计算机运算能力的不断提升,仅依靠加密手段可能不足以保证无线通信系统的安全。因此论文围绕星地通信网络中的
在新兴物联网应用的驱动下,越来越多的设备接入物联网,大量数据涌入数据融合中心等待处理,而数据的保真度和时效性就显得至关重要。作为物联网中典型的数据驱动应用,无线传感器网络由多个在空间上分布的传感器和数据融合中心组成。传感器负责采集数据,数据融合中心负责处理数据并将数据交付给使用者。在该网络中,同时追求新鲜度和保真度成为了一大挑战。事实上,无线传感器网络的部署方式发挥着不可小觑的作用,恰当的部署方式