駕駛員頭部姿態(tài)估計方法的研究.pdf

1、隨著社會經(jīng)濟的快速發(fā)展，機動車輛已經(jīng)進入人們的日常生活當中，并成為主要的出行方式之一。與此同時，交通安全也逐漸引起了人們的關(guān)注，行車安全在很大程度上依賴于駕駛員在行車過程中對周圍環(huán)境的持續(xù)觀察能力。各種車輛和障礙物出現(xiàn)在行車過程中的時候，駕駛員必須保持高度警惕，并在必要時刻做出反映。
　　頭部姿態(tài)的研究已經(jīng)經(jīng)歷了多年的探索，國內(nèi)外高校和科研機構(gòu)相繼取得了各自的研究成果。在眾多的實驗方法中，基于混合方法的識別算法在滿足不同需求的情況

2、下，能夠達到準確的識別效果。
　　為給予駕駛員在行車過程中必要的提醒，避免駕駛員因酒后駕駛或疲勞駕駛等原因而引發(fā)交通安全事故，本文提出了一種以幾何方法和非線性回歸相結(jié)合的識別算法，并成功用于對駕駛員頭部姿態(tài)的估計。算法先提取眼睛、嘴巴等特征點，通過這些特征點構(gòu)建出頭部姿態(tài)的幾何模型，進而采用非線性回歸分析幾何模型數(shù)據(jù)，并判斷出頭部的運動姿態(tài)。該方法將姿態(tài)估計過程分為三個主要部分:
　　1）獲取視頻信息和對應(yīng)的頭部圖像信息，對

3、圖像進行歸一化處理并用SIFT算法提取駕駛員頭部（主要是面部）圖像的特征點；
　　2）通過模糊C均值算法對圖像特征點進行聚類分析，得到聚類中心點并計算相應(yīng)中心點之間的歐式距離；
　　3）使用基于神經(jīng)網(wǎng)絡(luò)的非線性回歸方法來對幾何模型的數(shù)據(jù)進行訓(xùn)練和學(xué)習(xí)，將高維數(shù)據(jù)映射為低維數(shù)據(jù)，再將非線性回歸的結(jié)果用于駕駛員頭部姿態(tài)的最終判斷。
　　實驗結(jié)果表明，本文提出的方案在保證有效性的前提下，提高了駕駛員頭部姿態(tài)的精確性，并且在頭