基于視頻圖像分析的駕駛員視覺分散特征識別及檢測研究.pdf

1、駕駛員視覺分散是眾多交通事故的誘因，并且隨著車載信息系統(tǒng)的增加，將會引起駕駛員越來越多的視覺分散行為，從而引發(fā)更多的交通事故。檢測駕駛員視覺分散并警告駕駛員可減少類似原因造成的交通事故。 本文從視覺分散對駕駛性能的影響研究入手，開展駕駛員視覺分散檢測技術(shù)的研究，并重點研究基于視頻圖像分析的駕駛員視覺分散特征的提取方法。主要工作如下： 首先研究視覺分散對駕駛性能的影響。設(shè)計實驗讓駕駛員閱讀4處位置上的2類文本信息，使其產(chǎn)生

2、8種不同的視覺分散。分析不同視覺分散時車輛的SDLP(車輛偏離道路中心距離的標(biāo)準(zhǔn)差)，發(fā)現(xiàn)SDLP隨著視線偏離道路中心角度的增大而增大。研究視覺分散影響駕駛員的機理，分析基于腦電、皮電、行為等檢測駕駛員視覺分散的方法。根據(jù)駕駛過程中駕駛員視線變化的特點，建立基于駕駛員面部姿勢估計與眼睛視線方向識別，并包含轉(zhuǎn)向行為識別的視覺分散檢測模型。 然后對駕駛員視覺分散的特征進(jìn)行提取研究。研究多姿勢下駕駛員面部、面部特征點精確定位的方法。研

3、究利用膚色混合高斯模型預(yù)定位人臉區(qū)域，然后根據(jù)眉毛、嘴唇位置精確定位駕駛員面部的方法。針對眉毛區(qū)域灰度值低、變化劇烈的特點，研究基于聯(lián)合投影函數(shù)定位駕駛員眉毛上邊緣的方法。研究背景濾除的方法，克服面部橫擺角度較大時眉毛定位不準(zhǔn)的缺點。研究利用唇色多項式模型及嘴唇比人臉膚色更紅的特點定位駕駛員嘴唇區(qū)域。研究駕駛員面部圖像歸一化的方法。 研究駕駛員面部姿勢的提取方法，提出利用核主元分析估計駕駛員面部姿勢的方法。分析核主元分析實現(xiàn)原理

4、，研究利用核主元分析估計面部姿勢的步驟。研究獲取標(biāo)準(zhǔn)樣本圖像的方法，設(shè)計樣本圖像采集系統(tǒng)。利用核主元分析把高維面部圖像存在的流形結(jié)構(gòu)嵌入到二維空間，建立估計面部姿勢的標(biāo)準(zhǔn)曲線，并根據(jù)姿勢曲線擬合圓。提出利用擬合圓心及姿勢曲線上距新投影點最近的兩個點，來估計新投影圖像對應(yīng)角度的方法。該方法克服傳統(tǒng)模式分類方法需要為不同人建立不同姿勢曲線的缺點，并且估計精度可滿足一定實際需要。研究不同核函數(shù)、核函數(shù)參數(shù)對估計精度的影響。 研究駕駛員

5、眼睛視線方向提取方法，提出基于Multi-PCA(多主元分析)的眼睛視線方向識別方法。研究PCA實現(xiàn)原理，分析常用PCA應(yīng)用于識別時存在的問題。針對駕駛環(huán)境中精確提取視線方向的困難，把視線方向分為5類(上、下、左、右、前)，為每類建立特征空間，通過主元分析提取每類視線的共同統(tǒng)計特征，然后根據(jù)測試樣本在每類特征空間下的重構(gòu)誤差進(jìn)行分類。該方法充分運用了PCA變換的最佳逼近性能，并提取了單類眼睛視線圖像的獨有特征，實驗證明該方法可以獲得比常

6、用PCA方法更高的識別率。 研究駕駛員轉(zhuǎn)向行為識別，提出根據(jù)手部位置標(biāo)準(zhǔn)差來識別駕駛員轉(zhuǎn)向行為的方法。駕駛員在十字路口處的轉(zhuǎn)向過程中，視線方向偏離車輛前方的時間將超過2秒鐘，檢測系統(tǒng)會誤認(rèn)為是視覺分散，因此需要檢測駕駛員的轉(zhuǎn)向行為以減少這種誤判。研究基于視頻分析的駕駛員雙手定位方法，并研究基于粒子濾波算法的駕駛員手部跟蹤方法以提高雙手定位的實時性。研究駕駛過程中駕駛員雙手位置變化的特點，根據(jù)轉(zhuǎn)向過程中駕駛員手部位置變化劇烈的特性