汽车乘员类型视觉检测算法

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (增刊2): 78-81.

汽车乘员类型视觉检测算法

高振海, 段立飞, 赵洋

吉林大学汽车仿真与控制国家重点实验室, 长春130022

收稿日期:2011-03-17 出版日期:2011-09-30 发布日期:2011-09-30
作者简介:高振海(1973),男,教授,博士生导师。研究方向:驾驶员操作行为建模。E-mail:gaozh@jlu.edu.cn
基金资助:
汽车噪声振动和安全技术国家重点实验室项目(11211606);国家自然科学基金项目(50975120);教育部优秀新世纪人才支持计划项目(NCET-08-0247)

Vision detection algorithm for vehicle occupant classification

GAO Zhen-hai, DUAN Li-fei, ZHAO Yang

State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China

Received:2011-03-17 Online:2011-09-30 Published:2011-09-30

摘要/Abstract

摘要：

首先根据不同乘员类型体型轮廓的差异性,建立了基于低成本摄像头的乘员类型视觉检测系统;根据乘员图像样本数据信息量大而复杂的特点,利用Legendre矩阵对原始图像中乘员体型轮廓特征进行了描述;然后针对实验样本类型多、模式类型少的特点,引入智能模式识别中支持向量机的方法。通过样本数据的训练和参数的调整,建立了乘员类型识别器。最后进行了样本数据的测试。结果表明,用此种方法建立的识别算法能够以较高的准确率对乘员类型进行分类,为智能安全气囊系统提供准确的乘员类型信息。

关键词: 车辆工程, 乘员类型, 视觉检测, 支持向量机, 智能乘员约束系统

Abstract:

A vision detection system based on the low-cost CMOS camera is established according to differences of outlines of occupants.Principal character of occupant outline in the original image is described using Legendre matrix for the original image contains much more information than the detection algorithm actually needs.Support vector machine is introduced as the classifier after being trained and tuned using sample data considering the characteristics of the original data.The testing results indicate that the vision detection algorithm in this paper can effectively classify different kinds of occupants,providing for the intelligent restraint system with robust and accurate occupant classification information.

Key words: vehicle engineering, occupant classification, vision detection, support vector machine, intelligent restraint system

中图分类号:

U463.6

高振海, 段立飞, 赵洋. 汽车乘员类型视觉检测算法[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 78-81.

GAO Zhen-hai, DUAN Li-fei, ZHAO Yang. Vision detection algorithm for vehicle occupant classification[J]. 吉林大学学报(工学版), 2011, 41(增刊2): 78-81.

参考文献

[1] 刘晶郁,李晓霞.汽车安全与法规
[M].北京:人民交通出版社,2005.

[2] Clute G.An intelligent occupant protection system(IPOS):theoretical evaluation
[C]∥/32nd International Symposium on Automotive Technology andA utomation,Vienna,Austria,1999.

[3] 肖健华.智能模式识别方法
[M].广州；华南理工大学出版社,2006.

[4] Vapnik Vladimir N.The Nature of Statistical Learning Theory
[M].Berlin:Springer,1995.

[5] Vapnik Vladimir N.Statistical Learning Theory
[M].New York:Wiley,1998.

[6] Chang Chih-Chung,Lin Chih-Jen.LIBSVM:A Library for Support Vector Machines
[M].2001.

[7] Mangasarian O L.Generalized support vector machines
[C]∥Advances in Large Margin Classifiers.C ambridge,2000:135-146.

[8] Son Soo-Yeon,Kim Mu-Yeon,Kin Young-Choon,et al.Vehicle occupant head distance extraction methodu sing stereo-vision
[C]∥2006International Conference on Image Processing,computer Vision&Pattern Recognition,2006.

相关文章 15

[1]	常成,宋传学,张雅歌,邵玉龙,周放. 双馈电机驱动电动汽车变频器容量最小化[J]. 吉林大学学报(工学版), 2018, 48(6): 1629-1635.
[2]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[3]	何仁,杨柳,胡东海. 冷藏运输车太阳能辅助供电制冷系统设计及分析[J]. 吉林大学学报(工学版), 2018, 48(6): 1645-1652.
[4]	那景新,慕文龙,范以撒,谭伟,杨佳宙. 车身钢-铝粘接接头湿热老化性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1653-1660.
[5]	刘玉梅,刘丽,曹晓宁,熊明烨,庄娇娇. 转向架动态模拟试验台避撞模型的构建[J]. 吉林大学学报(工学版), 2018, 48(6): 1661-1668.
[6]	赵伟强, 高恪, 王文彬. 基于电液耦合转向系统的商用车防失稳控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1305-1312.
[7]	宋大凤, 吴西涛, 曾小华, 杨南南, 李文远. 基于理论油耗模型的轻混重卡全生命周期成本分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1313-1323.
[8]	朱剑峰, 张君媛, 陈潇凯, 洪光辉, 宋正超, 曹杰. 基于座椅拉拽安全性能的车身结构改进设计[J]. 吉林大学学报(工学版), 2018, 48(5): 1324-1330.
[9]	那景新, 浦磊鑫, 范以撒, 沈传亮. 湿热环境对Sikaflex-265铝合金粘接接头失效强度的影响[J]. 吉林大学学报(工学版), 2018, 48(5): 1331-1338.
[10]	王炎, 高青, 王国华, 张天时, 苑盟. 混流集成式电池组热管理温均特性增效仿真[J]. 吉林大学学报(工学版), 2018, 48(5): 1339-1348.
[11]	金立生, 谢宪毅, 高琳琳, 郭柏苍. 基于二次规划的分布式电动汽车稳定性控制[J]. 吉林大学学报(工学版), 2018, 48(5): 1349-1359.
[12]	隗海林, 包翠竹, 李洪雪, 李明达. 基于最小二乘支持向量机的怠速时间预测[J]. 吉林大学学报(工学版), 2018, 48(5): 1360-1365.
[13]	王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[14]	胡满江, 罗禹贡, 陈龙, 李克强. 基于纵向频响特性的整车质量估计[J]. 吉林大学学报(工学版), 2018, 48(4): 977-983.
[15]	刘国政, 史文库, 陈志勇. 考虑安装误差的准双曲面齿轮传动误差有限元分析[J]. 吉林大学学报(工学版), 2018, 48(4): 984-989.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed