駕駛員頭部持續(xù)運(yùn)動(dòng)狀態(tài)估計(jì)模型

駕駛員頭部持續(xù)運(yùn)動(dòng)狀態(tài)估計(jì)模型

駕駛員頭部姿態(tài)和運(yùn)動(dòng)趨勢可以表征駕駛員的注意力分散情況，這些是駕駛員監(jiān)測系統(tǒng)的重點(diǎn)分析內(nèi)容。但在對駕駛員頭部運(yùn)動(dòng)的分析中，由于受到單目攝像機(jī)捕捉范圍有限的影響，因此總是將頭部運(yùn)動(dòng)等同于臉部前額的運(yùn)動(dòng)。而在真正駕駛過程中，對駕駛安全影響最大的卻是除去前額運(yùn)動(dòng)以外的其它運(yùn)動(dòng)。

為實(shí)現(xiàn)在大幅度頭部運(yùn)動(dòng)下攝像頭能夠高效持續(xù)地工作，研究了利用分布式攝像機(jī)系統(tǒng)監(jiān)測頭部運(yùn)動(dòng)，利用3-D模型跟蹤駕駛員面部運(yùn)動(dòng)，并通過分析面部幾何特征來確定駕駛員的頭部姿態(tài)。圖1為一個(gè)并道工況下駕駛員頭部轉(zhuǎn)動(dòng)情況示意圖。

試驗(yàn)的頭部姿態(tài)數(shù)據(jù)基于城市街道和高速公路駕駛數(shù)據(jù)采集，通過安裝在駕駛員頭部的慣性傳感器獲得駕駛員頭部在X、Y、Z坐標(biāo)下的旋轉(zhuǎn)角度，重點(diǎn)分析了會產(chǎn)生大量頭部轉(zhuǎn)動(dòng)行為的行駛工況，如換道、超車等。為提高跟蹤精度，節(jié)省從車輛狀態(tài)及錄像計(jì)算頭部姿態(tài)的時(shí)間，提出兩種解決方法：①區(qū)域模型融合縮放拼接技術(shù)（CLM+POS）；②混合圖形結(jié)構(gòu)融合縮放拼接技術(shù)（MPS+POS）。此外，采用左、中、右側(cè)3種不同方位的攝像機(jī)跟蹤面部，以更加全面地比較其中哪種方法能夠最準(zhǔn)確地估計(jì)出頭部姿態(tài)，試驗(yàn)結(jié)果見表1。

由表1可以看出，3個(gè)攝像頭的MPS+POS方法估計(jì)錯(cuò)誤率最低。研究認(rèn)為，通過駕駛員面部特征推斷其頭部姿態(tài)，對于安全駕駛具有重要意義，因?yàn)轳{駛員向左或向右轉(zhuǎn)動(dòng)頭部可以預(yù)示駕駛員左轉(zhuǎn)和右轉(zhuǎn)行為，從而為智能輔助駕駛提供一定的理論支撐。

圖1

表1

Ashish Tawari et al.IEEE Transactions on Intelligent Transportation Systems,vol.15, No.2,April2014.

編譯：張利丹