基于眼睛状态的驾驶员疲劳识别

有效防止和监督驾驶员疲劳驾驶,对降低交通事故具有重要意义。文章提出了一种基于眼睛状态识别的驾驶员疲劳状态的识别方法。首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后采用了二值边缘图像的人眼定位方法,计算出眼睛区域的面积和持续闭合时间,依据PERCLOS准则,判断驾驶员是否处于疲劳状态。实验表明,系统能够实时准确地定位人眼及检测眼睛的开闭状态,从而有效地检测驾驶员的疲劳程度。     

基于固定场景视频的运动车辆检测

为提高智能交通系统中运动车辆检测的效率,在固定场景视频下基于类Haar特征和AdaBoost算法提出了一种运动车辆检测方法.通过提取交通监控图像的扩展类Haar特征,在OpenCV平台上应用AdaBoost算法进行特征提取及训练得到级联分类器,利用级联分类器进行固定场景视频的运动车辆检测.测试结果表明,该方法具有良好的实时性和鲁棒性,在智能交通领域有广泛的应用前景.     

基于AdaBoost算法的疲劳驾驶检测系统研究

为提高行车安全性,结合驾驶员人眼开度特征开展了疲劳驾驶检测系统研究,提出采用AdaBoost算法实现人脸及人眼的定位方法。驾驶员视频图像在动态直方拉伸和训练好的AdaBoost算法分类器作用下实现人脸、人眼定位;对获得的眼部图像进行边缘检测及轮廓提取,计算轮廓内像素点得到眼睛的开度信息;利用PERCLOS算法计算一段时间内驾驶员的闭眼帧数及眨眼频率比例,获得驾驶员疲劳状态。试验结果表明,该系统具有较好的抗环境干扰和实时性,能准确地完成疲劳判断。     

基于眼睛状态识别的驾驶员疲劳实时监测

提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域。在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS、平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态。以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。     

基于灰度投影的驾驶员图像眼睛定位

眼睛位置的快速准确定位是利用视觉方法对驾驶员的驾驶状态进行监测和预警的前提。采用一种基于灰度特征投影的方法进行眼睛位置的有效快速定位。在利用皮肤颜色YCrCb空间分布二维高斯模型可靠定位人脸区域的基础上，建立了进行眼睛位置检测的感兴趣区域，最后分别对灰度图像和二值化图像进行水平和垂直方向灰度投影确定眼睛位置。实验结果表明，该算法具有很好的可靠性和实时性，为后续驾驶员状态研究奠定了良好基础。     

一种基于数学形态学的车牌图像边缘检测及提取算法

针对牌照字符目标与背景的差异性,提出1种基于数学形态学的牌照字符提取方法。该算法对输入图像进行相邻像素差分,保留纵向纹理;通过二值化和数学形态学处理,得到许多大小不同的连通域;计算各连通域的特征参数,利用牌照区域和背景区域对应的连通量的特征差别,实现有效抑制背景而保留牌照的目的。选择了1组有代表性的图像作为测试样本,验证了该算法的准确性和环境适应性。     

基于社交网络数据的交通突发事件识别方法

为了从社交网络数据中挖掘出交通突发事件，研究了基于机器学习的文本识别方法。通过关键词和地点定位，利用网页爬虫“Beautiful Soup”爬取到原始文本。采用正则匹配、重复度计算以及“0-1”标记预处理原始文本。基于预处理后文本特征，研究了基于特征权重的特征词选取方法；其中，特征权重的计算综合了词语的出现频率和含有该词语的文本所占比例，通过将二者归一化并加权合并，获得训练集突发事件文本中各个无重复词语的特征权重；依据此值选择确定特征词，并用于后续分类器的输入。测试对比了不同的分类器以及特征词选择方法，结果表明，所提特征词选取方法与XGBoost分类器结合，在交通突发事件识别上具有最好的综合表现，精确率为0.679 6，召回率为0.648 1，F1值为0.663 5，AUC值为0.759 4。      

高速公路场景图像的二值化及交通标志定位检测方法

采用CCD摄像机采集高速公路场景图像，并通过图像颜色空间变换，将图像的RGB量值转换为色度-饱和度-亮度（HSV）量值。采用基于阈值的方法对场景图像中颜色饱和度分量进行二值化分割处理；利用场景二值化图像形状特征（周长、形状参数、圆形性参数）去除非目标区域，并通过搜索场景二值化图像方向投影值序列的突变点实现标志准确定位。采用HSV颜色模型中的亮度分量和最佳阈值法对场景图像中标志区域进行二值化处理。结果表明，应用上述方法能取得良好的效果。     

基于彩色二值化的车牌定位方法

提出了一种基于彩色二值化的车牌定位方法。首先将彩色图像从RGB颜色空间转换到HSI颜色空间,同时生成一个与彩色图像大小相同的二值化状态特征矩阵,根据车牌的色彩特征,调整状态特征矩阵;再用数学形态学方法对状态特征矩阵进行填充空洞和滤除噪声的处理,并根据车牌的几何特征除去伪牌照区。该方法将图像的色彩特征与状态特征分离,充分利用车牌的色彩特征调整彩色图像的状态特征,并融合了数学形态学方法;而且将车牌的色彩特征和几何特征进行了有机的结合。实验结果表明该方法是一种有效的车牌定位方法。     

SVM在缸套—活塞磨损状态监测中的应用研究

以发动机振动信号的5个时域及幅域特征(二次矩、四次矩、最大绝对值、时间二次矩和最大幅值点)为特征参数,以4类间隙值作为预测结果,建立了基于RBF核函数支持向量机(SVM)的缸套—活塞磨损间隙预测模型。通过仿真试验研究了核宽度σ和惩罚系数C对分类器性能的影响,结果表明,选择合适的σ和C值可以使分类器的性能达到最佳,为缸套—活塞磨损状态监测提供了一条新思路。     

通道宽度对驾驶员动态视觉和操作行为的影响

使用眼动仪及车速记录仪记录了5种试验条件下3名驾驶员在驾驶过程中的眼动行为和车速数据，分析了不同通道宽度条件下的车速变化特征、驾驶员眼动特征和操作行为特征。结果表明：随着通道宽度变窄，驾驶员的注视点变近，对障碍物的注意变得集中，且习惯于以左侧障碍物为参照来调整车辆运行状态；通道宽度变窄使驾驶员信息感知阶段时间所占的比例减小，而操作校正阶段时间所占比例增大，且通过条件越差，对驾驶员的刺激越强烈。     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。     

基于CATIA对轿车视野校核的开发

以汽车驾驶员眼椭圆为例,采用CATIA Automation方式,基于CATIA软件平台进行了相应的二次开发。阐述了眼椭圆在汽车前风窗玻璃刮扫面积校核、汽车后视野校核、A柱盲区角计算中的应用。在CATIA中将该车简化模型及相应百分位的人体模型导入已确定的车身坐标系中,根据计算出的眼椭圆中心坐标及倾斜角度即可从已建好的驾驶员眼椭圆样板库中调出任一百分位。     

面向ARM平台的自标定驾驶员疲劳检测方法

提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

基于机器视觉的驾驶员注意力状态监测技术研究

在将头部朝向近似为视线方向的前提下,研究了驾驶员头部朝向角度与注意力分散之间的关系;提出了头部朝向偏离路面的持续时间和时间比例两个注意力分散指标,建立了基于驾驶员面部特征点(如眼睛,鼻孔)的模型以进行头部朝向角度的估算和注意力分散程度的判别.实验结果表明,对驾驶员面部朝向角度的估计精度达到了较高水平,对注意力分散的检测也达到了较高的准确率.     

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

驾驶时间对营运驾驶员驾驶能力影响的试验研究

针对影响交通安全的疲劳驾驶问题,以公路客运行业的营运驾驶员为研究对象,应用人机工程学和试验心理学的理论方法按驾驶时间的不同设计了区组对比的试验方案,并用试验仪器现场采集了99个样本的试验数据,利用F检验和H检验等统计学方法分析了驾驶时间对驾驶员驾驶能力的影响。结果表明:驾驶时间在8~12 h之间,驾驶员的反应能力和注意能力会显著降低,而驾驶员的感知能力和操作能力的降低不明显;驾驶员的主观疲劳感受随驾驶时间的变化不明显。     

突发事态下汽车驾驶员面部温度的研究

应用试验研究型驾驶模拟器,观察并测试了在处理突发事态时驾驶员面部皮肤温度、心率及血压的变化,研究了其反应的表现方式、反应时间和反应过程,分析了受试者的个人差和个体差,提出了采用以人的目视为标准的视觉温度变化判定方法。     

车内低频振动噪声的虚拟传递路径分析

传递路径分析法是诊断汽车振动噪声问题准确有效的方法。试验传递路径分析耗时耗力且需要实制样车,为在整车开发初期诊断汽车振动噪声问题,对整车虚拟传递路径分析法进行了研究。首先建立了包含底盘的整车声固耦合有限元模型,采用频率响应法预测车内声学振动响应,发现驾驶员右耳声压在38 Hz处以及驾驶员座椅导轨振动在59 Hz处存在较大峰值。在有限元模型基础上建立了整车虚拟传递路径分析模型,该模型合成的声学振动结果与频率响应法结果吻合较好,验证了模型的正确性。利用虚拟传递路径法对两处峰值作诊断分析,根据分析结果对贡献量大的路径进行优化。优化结果表明,38 Hz处驾驶员右耳声压降低2 dB,59 Hz处座椅振动改善效果明显。