驾驶员头部持续运动状态估计模型

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。

图1

表1

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

编译：张利丹