王 晗，孙 雨，尹 杰

（1.南通大学 交通与土木工程学院，江苏 南通 226019；2.南通大学 信息科学技术学院，江苏 南通 226019）

随着我国汽车保有量的不断增长，道路交通安全成为人们关注的焦点[1]。尽管造成交通事故的诱因有多种，司机的非正常驾驶行为是造成大多数交通事故的主要原因[2-5]，因此，有效的司机姿态识别的方法[6-12]与系统研制[13-22]成为智能交通研究和关注的热点之一。如何提取有效的特征是姿态识别的关键。目前，广泛应用于正常视角下动作识别领域的常见的特征包括：局部二值特征[23]（local binary patten，LBP），方向梯度直方图[24]（histogram of oriented gradient，HOG）及尺度不变特征变换[25]（scale invariant feature transform，SIFT）等。在侧视角下司机姿态识别的研究中，司机双手和头部的相对位置关系是姿态特征表示方法的重要信息[6-12]。其中，肤色检测能够快速而准确地确定司机头手的位置。Rajeev 等[8]提出了一种简单而有效的姿态特征表示方法，该方法由离散余弦变换（discrete cosine transform，DCT）与皮肤检测组成。皮肤检测的结果作为输入特征对人工神经网络（artificial neural network，ANN）进行训练。相似地，Zhao 等[6]提出另一种基于皮肤检测的姿态特征提取方法。首先利用同态滤波器（homomorphic filter，HF）减少光线变化的影响，再结合多色彩空间与边缘检测进行皮肤区域分割，进而利用双手和头部之间的距离比例作为二维姿态特征向量。此外，Zhao 等[11]在其司机姿态识别系统中，提出了将肤色检测与轮廓变换（contourlet transform，CT）相结合的特征提取方法。

尽管肤色检测能够提供侧视角下司机头手部分在图像中的位置[6-8，11，19]。然而，基于肤色特征的提取方法受到司机个体体型差异的影响。……