APP下载

驾驶员头部持续运动状态估计模型

2017-07-25张利丹

汽车文摘 2017年7期
关键词:驾驶员分析模型

驾驶员头部持续运动状态估计模型

驾驶员头部姿态和运动趋势可以表征驾驶员的注意力分散情况,这些是驾驶员监测系统的重点分析内容。但在对驾驶员头部运动的分析中,由于受到单目摄像机捕捉范围有限的影响,因此总是将头部运动等同于脸部前额的运动。而在真正驾驶过程中,对驾驶安全影响最大的却是除去前额运动以外的其它运动。

为实现在大幅度头部运动下摄像头能够高效持续地工作,研究了利用分布式摄像机系统监测头部运动,利用3-D模型跟踪驾驶员面部运动,并通过分析面部几何特征来确定驾驶员的头部姿态。图1为一个并道工况下驾驶员头部转动情况示意图。

试验的头部姿态数据基于城市街道和高速公路驾驶数据采集,通过安装在驾驶员头部的惯性传感器获得驾驶员头部在X、Y、Z坐标下的旋转角度,重点分析了会产生大量头部转动行为的行驶工况,如换道、超车等。为提高跟踪精度,节省从车辆状态及录像计算头部姿态的时间,提出两种解决方法:①区域模型融合缩放拼接技术(CLM+POS);②混合图形结构融合缩放拼接技术(MPS+POS)。此外,采用左、中、右侧3种不同方位的摄像机跟踪面部,以更加全面地比较其中哪种方法能够最准确地估计出头部姿态,试验结果见表1。

由表1可以看出,3个摄像头的MPS+POS方法估计错误率最低。研究认为,通过驾驶员面部特征推断其头部姿态,对于安全驾驶具有重要意义,因为驾驶员向左或向右转动头部可以预示驾驶员左转和右转行为,从而为智能辅助驾驶提供一定的理论支撑。……

登录APP查看全文

猜你喜欢

驾驶员分析模型
一半模型
基于高速公路的驾驶员换道意图识别
驾驶员安全带识别方法综述
隐蔽失效适航要求符合性验证分析
重尾非线性自回归模型自加权M-估计的渐近分布
电力系统不平衡分析
电力系统及其自动化发展趋势分析
3D打印中的模型分割与打包
起步前环顾四周是车辆驾驶员的义务
“王牌驾驶员”的来历