应用于辅助驾驶系统的驾驶员行为分析

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。

目录

声明

摘要

1．1 研究背景以及内容

1．2 国内外研究现状

1．3 本文主要工作以及结构

第2章 头部姿态估计

2．1 基于相机标定的头部姿态估计

2．1．1 相机标定

2．1．2 2D图像和3D头部模型的映射

2．2 基于分类器和回归的头部姿态估计

2．2．1 特征提取

2．2．2 支持向量机与支持向量回归

2．3 基于3D几何模型的头部姿态估计

2．3．1 特征点提取

2．3．2 改进的2D-3D映射模型

2．3．3 自适应的3D头部模型

第3章 手部运动跟踪分析

3．1 规范驾驶行为分析

3．1．1 方向盘检测

3．1．2 基于手部跟踪的规范驾驶检测

3．2 通话行为检测

4．1 头部姿态估计

4．1．1 手动标记特征点的头部姿态估计

4．1．2 自动标记特征点的头部姿态估计

4．1．3 算法对比

4．2 规范驾驶与通话行为检测

4．2．1 规范驾驶行为检测

4．2．2 通话行为检测

第5章 总结

参考文献

致谢

攻读学位期间取得的科研成果