模式识别应用 驾驶者异常状态识别PDF|Epub|txt|kindle电子书版本网盘下载

模式识别应用 驾驶者异常状态识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 模式识别框架基础3

绪论3

第1章 道路交通安全与疲劳驾驶识别方法概述10

1.1应用背景及研究意义10

1.2疲劳驾驶识别方法概述13

1.2.1主观评价方式15

1.2.2客观度量方式15

1.3疲劳驾驶识别研究发展趋向22

1.4本章小结23

第2章 人脸及其局部单元的检测方法24

2.1引言24

2.2基于肤色建模的人脸及其局部单元检测27

2.2.1色彩空间的选择与预处理27

2.2.2基于肤色信息的人脸定位及区域优化31

2.2.3基于局部模板匹配的人脸区域再定位37

2.3基于Haar-like特征与信息强化图的人脸及其局部单元检测37

2.3.1 AdaBoost学习框架下基于Haar-like特征的快速人脸检测37

2.3.2基于强化图像的局部单元定位44

2.4环境因素对人脸定位的影响及其消除45

2.5本章小结49

第2篇 基于显著面部表现的驾驶者异常状态识别53

第3章 驾驶者眨眼异常状态识别53

3.1引言53

3.2问题的提出53

3.3典型眨眼过程提取54

3.4基于S变换的疲劳能量指数计算55

3.5实验与分析57

3.6本章小结59

第4章 驾驶者打哈欠过程识别60

4.1引言60

4.2问题的提出60

4.3特征提取与选择61

4.4统计学习理论与支持向量机65

4.4.1结构风险控制65

4.4.2支持向量机分类模型68

4.5实验与分析71

4.6本章小结73

第3篇 基于非显著面部表现的驾驶者异常状态识别及研究扩展77

第5章 基于多区域证据支持的驾驶者疲劳状态识别77

5.1引言77

5.2问题的提出77

5.3多层面信息获取78

5.3.1局部线性嵌入80

5.3.2多区域证据82

5.4基于粗糙集的特征评价83

5.4.1模糊粗糙集83

5.4.2特征选择算法85

5.5模式分类器集成86

5.5.1基分类器（C4.5决策树）86

5.5.2基分类器集成学习88

5.5.3分类性能评价指标90

5.6实验与分析90

5.7本章小结99

第6章 基于覆盖规则集的驾驶者疲劳状态分类器设计101

6.1引言101

6.2问题的提出102

6.3覆盖近似空间与覆盖约简103

6.4邻域覆盖约简规则学习105

6.4.1相对覆盖约简理论框架105

6.4.2基于覆盖约简的规则学习算法110

6.4.3分类性能评价及应用112

6.5本章小结119

第7章 基于稀疏表示的驾驶者异常状态识别121

7.1引言121

7.2稀疏表示的基本思想122

7.3产生虚拟样本并结合K近邻算法的快速稀疏表示方法框架124

7.3.1模型概述124

7.3.2 msSR分类模型的具体原理125

7.4引入线性空间变换的稀疏表示与分类133

7.4.1模型概述133

7.4.2 IstSR模型的原理及实验验证134

7.4.3 IstSR模型迭代过程收敛条件及证明135

7.5本章小结137

第8章 基于深度学习的驾驶者疲劳状态识别138

8.1从AlphaGo说起138

8.2深度学习与认知139

8.2.1浅层模型与深层模型139

8.2.2关于深层模型的训练问题141

8.2.3深度学习的认知意义143

8.2.4关于认知的探讨145

8.3深度学习的硬件特点与主要开源工具146

8.3.1深度学习的硬件特点146

8.3.2深度学习的主要开源工具147

8.4卷积神经网络148

8.4.1图像识别的挑战148

8.4.2卷积神经网络的基本原理151

8.5经典的卷积神经网络模型158

8.5.1 LeNet-5模型158

8.5.2 AlexNet模型163

8.5.3 VGGNets模型165

8.6基于VGGNets的迁移学习与实验结果167

8.7本章小结169

参考文献170

后记178