论文摘要
驾驶员视觉分散是众多交通事故的诱因,并且随着车载信息系统的增加,将会引起驾驶员越来越多的视觉分散行为,从而引发更多的交通事故。检测驾驶员视觉分散并警告驾驶员可减少类似原因造成的交通事故。本文从视觉分散对驾驶性能的影响研究入手,开展驾驶员视觉分散检测技术的研究,并重点研究基于视频图像分析的驾驶员视觉分散特征的提取方法。主要工作如下:首先研究视觉分散对驾驶性能的影响。设计实验让驾驶员阅读4处位置上的2类文本信息,使其产生8种不同的视觉分散。分析不同视觉分散时车辆的SDLP（车辆偏离道路中心距离的标准差）,发现SDLP随着视线偏离道路中心角度的增大而增大。研究视觉分散影响驾驶员的机理,分析基于脑电、皮电、行为等检测驾驶员视觉分散的方法。根据驾驶过程中驾驶员视线变化的特点,建立基于驾驶员面部姿势估计与眼睛视线方向识别,并包含转向行为识别的视觉分散检测模型。然后对驾驶员视觉分散的特征进行提取研究。研究多姿势下驾驶员面部、面部特征点精确定位的方法。研究利用肤色混合高斯模型预定位人脸区域,然后根据眉毛、嘴唇位置精确定位驾驶员面部的方法。针对眉毛区域灰度值低、变化剧烈的特点,研究基于联合投影函数定位驾驶员眉毛上边缘的方法。研究背景滤除的方法,克服面部横摆角度较大时眉毛定位不准的缺点。研究利用唇色多项式模型及嘴唇比人脸肤色更红的特点定位驾驶员嘴唇区域。研究驾驶员面部图像归一化的方法。研究驾驶员面部姿势的提取方法,提出利用核主元分析估计驾驶员面部姿势的方法。分析核主元分析实现原理,研究利用核主元分析估计面部姿势的步骤。研究获取标准样本图像的方法,设计样本图像采集系统。利用核主元分析把高维面部图像存在的流形结构嵌入到二维空间,建立估计面部姿势的标准曲线,并根据姿势曲线拟合圆。提出利用拟合圆心及姿势曲线上距新投影点最近的两个点,来估计新投影图像对应角度的方法。该方法克服传统模式分类方法需要为不同人建立不同姿势曲线的缺点,并且估计精度可满足一定实际需要。研究不同核函数、核函数参数对估计精度的影响。研究驾驶员眼睛视线方向提取方法,提出基于Multi-PCA（多主元分析）的眼睛视线方向识别方法。研究PCA实现原理,分析常用PCA应用于识别时存在的问题。针对驾驶环境中精确提取视线方向的困难,把视线方向分为5类（上、下、左、右、前）,为每类建立特征空间,通过主元分析提取每类视线的共同统计特征,然后根据测试样本在每类特征空间下的重构误差进行分类。该方法充分运用了PCA变换的最佳逼近性能,并提取了单类眼睛视线图像的独有特征,实验证明该方法可以获得比常用PCA方法更高的识别率。研究驾驶员转向行为识别,提出根据手部位置标准差来识别驾驶员转向行为的方法。驾驶员在十字路口处的转向过程中,视线方向偏离车辆前方的时间将超过2秒钟,检测系统会误认为是视觉分散,因此需要检测驾驶员的转向行为以减少这种误判。研究基于视频分析的驾驶员双手定位方法,并研究基于粒子滤波算法的驾驶员手部跟踪方法以提高双手定位的实时性。研究驾驶过程中驾驶员双手位置变化的特点,根据转向过程中驾驶员手部位置变化剧烈的特性,提出利用双手位置标准差识别驾驶员转向行为的方法。最后根据视觉分散检测模型,建立驾驶员视觉分散检测系统的软、硬件框架,并进行视觉分散检测的实验研究。摄取行驶过程中驾驶员观察仪表盘、调节收音机、十字路口转向时的手、面部视频图像,利用本文提出的识别算法提取驾驶员视觉分散特征。对本文提出的视觉分散检测算法进行验证,实验表明算法可行,并能有效防止检测系统在驾驶员转向时发出虚警的现象。
论文目录
相关论文文献
标签：视觉分散检测论文; 视觉分散特征论文; 人脸定位论文; 面部姿势估计论文; 视线方向识别论文; 转向行为识别论文;