详情

原文传递应用于辅助驾驶系统的驾驶员行为分析

论文题名：	应用于辅助驾驶系统的驾驶员行为分析
关键词：	辅助驾驶系统;驾驶员;头部姿态;状态估计;手部运动;位置跟踪
摘要：	辅助驾驶系统对提高安全驾驶方面起着非常重要的作用，对驾驶员行驶的行为分析，能有效减少以及避免人为因素导致的交通事故，本文对驾驶员头部姿态估计以及手部运动跟踪分析2个方面进行了研究分析。　　头部姿态估计在辅助驾驶系统、人机交互以及虚拟现实等方面发挥举足轻重的作用，因此快速而精确的头部姿态估计算法成为重要的研究内容。目前，头部姿态估计大体上分为建立几何头部模型和监督学习人脸图像2种方法。在学习人脸特征的算法中，可继续划分成人脸特征模板匹配方法、探测器阵列方法、非线性回归方法以及流型嵌入方法。本文将介绍几种常见的头部姿态估计方法并进行对比，并提出一种新颖的快速精确的头部姿态估计算法。首先获取2D图像中的特征点（如鼻子、外眼角以及下巴），并以3D空间中对应的关键点的坐标为基础建立3D人脸模型。通过对2D平面以及3D空间所有的特征点进行归一化操作，移除二者映射关系中的比例因子以及平移向量，使得二者只存在旋转映射关系。然后以3D空间中的4个特征点为基础，构建唯一的球平面，用此模型表示3D人脸模型。通过改变球坐标系下的特征点的坐标，实现3D人脸的变形。利用3D模型上的特征点投影到2D平面与真实2D图像中的对应特征点的欧氏距离，找到最优的变形的3D人脸模型，并通过变形后的3D人脸模型与初始3D人脸模型中的对应特征点的欧氏距离为约束条件，从而在保证变形的3D人脸模型维持基本的结构。最后，利用变形后的最优的3D人脸模型匹配待测的2D头部图像，进而求解旋转矩阵完成头部姿态估计。为了检验算法的有效性，本文在Pointing'04和BIWI Kinect数据库测试头部姿态估。实验结果表明，本文提出的3D球模型的变形人脸的头部姿态估计算法快速且精确，与最新算法相比仍有优越的性能。　　手部运动跟踪分析是根据手部的运动位置进行驾驶员状态判断，具体可分为通话行为分析与规范驾驶行为分析两部分。通话行为分析中主要通过判断手部与脸部的位置关系，分析出驾驶员通话行为的状态。首先通过Haar特征检测出人脸在图像中的位置坐标，然后通过肤色检测获取手部位置，若手部出现在脸部附近特定区域，并且出现次数占比足够大，则可判定为正在发生通话行为。规范驾驶行为分析中通过判断双手的运动区域与方向盘的位置，得出驾驶员是否安全规范驾驶。首先利用霍夫圆算法检测出方向盘位置，接着通过模型匹配算法追踪手部，若手部位置与方向盘中心的距离不在设定阈值范围，并且发生次数占比足够大，则可判定为不规范驾驶。在测试视频中，在复杂的背景环境特别是不同光照环境下，能得到方向盘的精确检测与手部的动态连续跟踪，进而精确判断通话与不规范驾驶行为。
作者：	李梦宇
专业：	信息与通信工程
导师：	元辉
授予学位：	硕士
授予学位单位：	山东大学
学位年度：	2018
正文语种：	中文