模式识别应用–驾驶者异常状态识别

内容简介

[

　　《模式识别应用：驾驶者异常状态识别》遵循模式识别的经典过程，以驾驶者各种异常状态的识别为背景，重点针对驾驶疲劳及由药物、醉酒等造成的嗜睡状态等进行识别。虽然产生这些异常状态的原因不同，但其有着较为相似的面部行为，如为眨眼变慢、打哈欠等类似困倦的表现，然而也有很多疲劳的神情比较细微，难以提取显著的特征来对其进行描述和分类，这些都是该书将要探讨的内容。　　《模式识别应用：驾驶者异常状态识别》可作为高等院校智能交通工程、计算机、电子信息等专业研究生和高年级本科生的相关课程教材或参考书，也可供从事模式识别研究与应用的科技人员和管理人员参考。

]

作者简介

[

　　杜勇，博士，毕业于哈尔滨工业大学计算机科学与技术学院，现为东北农业大学教师。IEEE Transactions on Fuzzy，Systems、Tourism Managentent、《自动化学报》审稿人，黑龙江省计算机学会智能人机交互专业委员会委员。主要研究方向为模式识别、粗糙集、生物计算及旅游管理等。主持国家自然科学基金项目“集成多模态信息的驾驶者异常状态识别模型研究（51 308096）”，主持省市项目、参与国家项目多项。近年来，在国际期刊Information Sciences、Neural rocessingLetters及国际会议上发表论文10余篇，其中被SCI检索6篇。

]

目录

第1篇 模式识别框架基础绪论第1章 道路交通安全与疲劳驾驶识别方法概述1．1 应用背景及研究意义1．2 疲劳驾驶识别方法概述1．2．1 主观评价方式1．2．2 客观度量方式1．3 疲劳驾驶识别研究发展趋向1．4 本章小结第2章 人脸及其局部单元的检测方法2．1 引言2．2 基于肤色建模的人脸及其局部单元检测2．2．1 色彩空间的选择与预处理2．2．2 基于肤色信息的人脸定位及区域优化2．2．3 基于局部模板匹配的人脸区域再定位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2．3．1 AdaBoost学习框架下基于Haar。like特征的快速人脸检测2．3．2 基于强化图像的局部单元定位2．4 环境因素对人脸定位的影响及其消除2．5 本章小结第2篇 基于显著面部表现的驾驶者异常状态识别第3章 驾驶者眨眼异常状态识别3．1 引言3．2 问题的提出3．3 典型眨眼过程提取3．4 基于S变换的疲劳能量指数计算3．5 实验与分析3．6 本章小结第4章 驾驶者打哈欠过程识别4．1 引言4．2 问题的提出4．3 特征提取与选择4．4 统计学习理论与支持向量机4．4．1 结构风险控制4．4．2 支持向量机分类模型4．5 实验与分析4．6 本章小结第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第5章 基于多区域证据支持的驾驶者疲劳状态识别5．1 引言5．2 问题的提出5．3 多层面信息获取5．3．1 局部线性嵌入5．3．2 多区域证据5．4 基于粗糙集的特征评价5．4．1 模糊粗糙集5．4．2 特征选择算法5．5 模式分类器集成5．5．1 基分类器（C4．5 决策树）5．5．2 基分类器集成学习5．5．3 分类性能评价指标5．6 实验与分析5．7 本章小结第6章 基于覆盖规则集的驾驶者疲劳状态分类器设计6．1 引言6．2 问题的提出6．3 覆盖近似空间与覆盖约简6．4 邻域覆盖约简规则学习6．4．1 相对覆盖约简理论框架6．4．2 基于覆盖约简的规则学习算法6．4．3 分类性能评价及应用6．5 本章小结第7章 基于稀疏表示的驾驶者异常状态识别7．1 引言7．2 稀疏表示的基本思想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7．3．1 模型概述7．3．2 msSR分类模型的具体原理7．4 引入线性空间变换的稀疏表示与分类7．4．1 模型概述-7．4．2 lstSR模型的原理及实验验证7．4．3 lstSR模型迭代过程收敛条件及证明7．5 本章小结第8章 基于深度学习的驾驶者疲劳状态识别8．1 从AlphaGo说起8．2 深度学习与认知8．2．1 浅层模型与深层模型8．2．2 关于深层模型的训练问题8．2．3 深度学习的认知意义8．2．4 关于认知的探讨8．3 深度学习的硬件特点与主要开源工具8．3．1 深度学习的硬件特点8．3．2 深度学习的主要开源工具8．4 卷积神经网络8．4．1 图像识别的挑战8．4．2 卷积神经网络的基本原理8．5 经典的卷积神经网络模型8．5．1 LeNet-5模型8．5．2 AlexNet模型8．5．3 VGGNets模型8．6 基于vGGNets的迁移学习与实验结果8．7 本章小结参考文献后记

封面

书名:模式识别应用–驾驶者异常状态识别

作者:杜勇

页数:177

定价:¥78.0

出版社:科学出版社

出版日期:2018-03-01

ISBN:9787030547439

PDF电子书大小:95MB 高清扫描完整版