驾驶状况监控系统.ppt

* CGUEE DIP Lab * Ⅳ. 駕駛安全性判斷 (5/8) 利用彈性形狀脈絡相似度量測 相似度計算 Cij：影像i與影像j的相似度 hi(k)：i影像所建立的形狀脈絡 hj(k)：j影像所建立的形狀脈絡 k：形狀直方圖的欄位 K：形狀直方圖的欄位數 利用彈性形狀脈絡相似度量測 相關係數 * CGUEE DIP Lab * Ⅳ. 駕駛安全性判斷 (6/8) * CGUEE DIP Lab * 相似度：228.40 相似度：13.53 Ⅳ. 駕駛安全性判斷 (7/8) * CGUEE DIP Lab * Ⅳ. 駕駛安全性判斷 (8/8) 安全性判斷 駕駛安全性範圍 駕駛安全性 安全 80以下 60以下 4800以下 可能危險 80～180 60～120 4800～21600 危險 180以上 120以上 21600以上 * CGUEE DIP Lab * Ⅴ. 實驗結果 系統設置 駕駛安全性判斷結果 * CGUEE DIP Lab * Ⅴ. 實驗結果- 系統設置 系統設置圖 軟體環境：Visual C++ 6.0 硬體環境：[CPU] Intel P4 3.0G、[RAM] 1GB、 　　　　[Camera] Logitech QuickCam Pro 4000 × 2 * CGUEE DIP Lab * CDriver: 0.62 CLane:115.96 CDanger:71.90 安全 Ⅴ. 實驗結果-駕駛安全性判斷(1/2) * CGUEE DIP Lab * CDriver:132.57 CLane: 38.69 CDanger:5129.13 可能危險 Ⅴ. 實驗結果-駕駛安全性判斷(2/2) * CGUEE DIP Lab * Ⅵ. 結論 本論文提出一個駕駛情況的監控系統。透過影像分析取得駕駛者的視線、道路標線的方向以及行車方向。 透用彈性脈絡的相似度量測模型，計算兩個相關係數。藉由兩個相關係數的數值及變化值將駕駛狀態分為安全、可能危險以及危險情況三種。 若駕駛者的注意力不集中於路況，進而提醒駕駛者注意安全，以降低因駕駛者注意力不集中所導致的事故。此系統也能與其他以距離資訊為基礎的防碰撞系統相結合，提供更完善的安全性警告。 References [1] P. Viola and M. Jones, “Rapid Object Detection Using A Boosted Cascade of Simple Features,” Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, vol. 1, pp. 511-518, 2001. [2]A. Broggi, “Robust Real-Time Lane and Road Detection in Critical Shadow Conditions,” Proceedings IEEE International Symposium on Computer Vision, 1995. [3] S. Belongie, J. Malike, and J. Puzicha, “Shape Matching and Object Recognition Using Shape Contexts,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, pp. 509-522, 2002. [4] D. Liu and T. Chen, “Soft Shape Context for Iterative Closest Point Registration,” Proceedings of IEEE Conference on The International Conference on Image Processing, pp. 1081-1084, 2004. [5] D. Mitrovic, “Reliable Method for Driving Events Recognition,” Intelligent Transportation Systems, vol. 6, pp. 198-205, 2005. [6]Gary Bradski, Adrian Kaehler, and Vadim Pisarevsky, “Learning-based computer vision with Intel’s open source computer vision library,” I