新書推薦:
《
基于鲲鹏的分布式图分析算法实战
》
售價:NT$
495.0
《
中国历史研究入门(全二册)
》
售價:NT$
1290.0
《
夺回大脑 如何靠自己走出强迫
》
售價:NT$
299.0
《
夏天,19岁的肖像(青鲤文库)岛田庄司两次入围日本通俗文学奖直木奖的作品 ,同名电影由黄子韬主演!
》
售價:NT$
225.0
《
图解机械工程入门
》
售價:NT$
440.0
《
股市长线法宝(第6版)
》
售價:NT$
640.0
《
中文版SOLIDWORKS 2024机械设计从入门到精通(实战案例版)
》
售價:NT$
450.0
《
纯数学教程
》
售價:NT$
390.0
|
內容簡介: |
由赵池航、连捷、党倩著的《交通信息感知理论与方法》分上、下两篇,上篇用中文撰写,下篇用英文撰写。本书以交通信息感知理论与方法为主线,系统研究了交通场景中驾驶人一车辆路面信息的感知及获取有关理论与技术,主要包括:①交通场景中车辆区域检测、车辆品牌特征提取及识别的理论与方法; ②路面破损检测、特征提取及识别的理论与方法;③ 驾驶人脸部区域检测、疲劳特征提取及识别的理论与方法;④驾驶人姿态的特征提取及识别的理论与方法。
本书可作为交通信息工程与控制、交通安全工程和载运工具运用工程等专业研究生的教材,也可以作为高等院校、科研院所和企事业单位从事智能交通行业工程技术人员的参考书。
|
關於作者: |
赵池航,男,1975年8月生,东南大学交通学院副研究员,博士,硕士研究生导师,主要从事载运工具导航理论与方法的研究工作。2004年9月毕业于东南大学精密仪器及机械专业,获工学博士学位,并留校任教;2006年3月至2007年2月,在韩国高丽大学从事博士后研究工作。现主持国家自然科学基金1项、教育部博士点基金1项,作为主要研究人员完成国家自然科学基金2项、江苏省自然科学基金1项,在国内外核心期刊和国际会议上发表论文20余篇。
|
目錄:
|
上篇 车辆及路面信息感知
第一章 国内外的发展及研究现状
1.1 车辆信息感知的研究现状
1.1.1 车辆区域检测方法研究现状
1.1.2 车辆品牌及型号识别研究现状
1.2 公路路面信息感知的研究现状
1.2.1 路面图像预处理技术现状
1.2.2 路面破损检测技术研究现状
1.2.3 路面破损分类技术研究现状
第二章 车辆信息感知理论与技术
2.1 车辆图像采集及车辆目标区域检测
2.1.1 基于对称特征的车辆检测方法
2.1.2 其他车辆检测方法
2.1.3 感兴趣区域ROI定位
2.2 特征描述器
2.2.1 梯度方向直方图HOG
2.2.2 Contourlet变换
2.2.3 特征降维
2.2.4 组合特征及降维
2.3 基于级联集成分类器的可靠分类
2.4 实验分析
2.4.1 单个分类器实验
2.4.2 级联集成分类器实验
2.5 小结
第三章 路面信息感知理论与技术
3.1 基于联合检测器的路面破损检测方法
3.1.1 路面破损图像采集
3.1.2 图像预处理
3.1.3 基于灰度分析的路面破损检测
3.2 路面图像破损区域定位
3.3 基于Contourlet变换的路面图像特征提取方法
3.3.1 Contourlet变换
3.3.2 其他纹理特征提取方法
3.4 支持向量机分类器
3.5 实验分析
3.6 小结
下篇 驾驶人疲劳及异常行为信息感知
Chapter 4 Introduction of Driver''s Fatigue and Abnormal Activities Detection
4.1 Introduction of driver''s fatigue detection
4.2 Introduction of driver''s abnormal activities detection
Chapter 5 Perception of Driver''s Fatigue Information
5.1 SEU fatigue expression data acquisition
5.2 Curvelet transform for image feature description
5.3 Support Vector MachinesSVMs
5.4 Other classification methods compared
5.5 Experiments
5.6 Conclusions
Chapter 6 Perception of Driver''s Abnormal Activities Information
6.1 Data acquisition and features extraction of driving postures
6.2 Features extraction by Nonsubsampled Contourlet Transform NSCT
6.3 k-Nearest Neighbor kNN classifier
6.4 Other classification methods compared
6.5 Experimental results
6.6 Conclusions
参考文献
|
|