一种山区急弯路段驾驶人熟练度甄别方法

为探究驾驶人眼动行为与驾驶熟练程度以及道路线型之间的响应特性,设计并组织山区公路实车驾驶行为试验。招募20名驾驶人,实时采集被试驾驶人在急弯路段的6个注视及扫视行为表征参数。试验表明:眼睛注视点在左转急弯路段的水平方向分布范围是-0.5~0.1 m,在右转急弯路段的水平方向分布范围是-0.2~0.5 m;眼睛水平注视角变化的主要范围是0°~30°;扫视速度的变化范围区间是0~1(°)·ms~(-1),扫视幅度的变化范围是5°~25°。基于采集的眼动行为参数,构建驾驶人视觉搜索模态矩阵。采用主成分分析法对影响因子进行降维,并建立驾驶人眼动特征综合评价模型。结果显示,眼动综合评分与驾驶里程呈正相关关系,表明该模型可用于量化甄别驾驶人驾驶熟练程度,并为驾驶能力评估提供有效的理论依据。     

基于马尔可夫链的驾驶人视觉转移特征

为了不割裂视觉转移过程的连续性,运用动态聚类方法,对驾驶人注视点的视野平面解析坐标进行聚类,实现驾驶人注视区域划分。在考虑驾驶人注视行为在时间轴上关联性的基础上,分析驾驶人注视行为在各注视区域间转移模式的齐次性,运用马尔可夫链理论,探讨各注视区域间视觉转移概率的求解方法,并对5名不同驾驶经验驾驶人的眼动数据进行统计,求得其一步转移概率矩阵和平稳分布,分析驾驶人视觉转移特征。分析结果表明：驾驶人对任一注视目标都需要多次重复注视才能获取足够的信息,且注视点主要集中在前方车道远处、前方车道近处、右侧车道和左侧车道4个区域。     

汽车驾驶员注意力分配定量研究

驾驶员的注意力分配对行车安全至关重要。目前基于驾驶员注意力分配的研究大多是基于定性的,本文从定性和定量两个角度,结合实际道路场景,借助眼动仪进行实车试验,记录并统计驾驶员在不同道路环境及驾驶环境(直行路段、掉头路段、人行横道(非路口)路段、超车、起步、靠边停车)下眼动数据,分析其注视点、注视时间及注视区域的特性,并得出在不同道路环境及驾驶环境下注意力的分配模式,揭示驾驶员在驾驶过程中的注意力分配特点。本文研究结果对驾驶员安全驾驶、车辆辅助系统、无人驾驶系统及驾驶员驾驶培训考核标准的改进有着十分重要的意义。     

山区高速公路弯道路段驾驶员视点分布特征研究

文章为研究山区高速公路弯道路段在不同转向、不同弯道半径条件下驾驶员视点分布的规律,采用Smart Eye Pro 5.7型非侵入式眼动仪记录了不同情况下驾驶员眼球运动的数据,并利用瞳孔直径、X和Y视角、注视次数百分数、注视时间百分比、平均注视时间等指标,对记录的数据进行分析。结果表明:弯道半径越小,驾驶员心理压力越大,且越关注弯道内侧;在左转弯条件下,驾驶员的心理压力和心理起伏都要比右转弯较大;弯道段的垂直注意力集中在正中偏下。     

集装箱桥吊司机眼动疲劳度分析

为揭示港口集装箱桥吊司机眼睛疲劳规律,采用视线跟踪技术和智能优化算法相结合,分析桥吊司机操作过程中的眼动参数与驾驶疲劳之间相关性,运用眼动参数建立驾驶疲劳推断评判模型.设计了驾驶员实测操作实验方案,确定注视时间百分比、注视点数目为眼动测量指标,研究眼动测量指标与驾驶疲劳的相关性.分析驾驶员眨眼、注视、眼跳三种眼动形式实测数据与驾驶疲劳的线性与非线性变化关系,求得注视分布变异系数,得到注视分布变异系数与驾驶疲劳之间的关系.     

基于眼动视频的注视点轨迹描述方法及应用

为了实现注视点轨迹描述,提出了一种基于眼动视频的注视点轨迹描述方法.使用红外摄像头采集视频眼动信号,并对其进行滤波去噪等预处理;使用行列定位法与阈值质心法分别实现瞳孔的粗定位与精定位;结合所建立的瞳孔-注视点二阶映射关系,实现注视点轨迹的描述.实验室环境下,8位受试者注视点轨迹描述的平均误差为0.414 rad,相比较传统的注视点轨迹描述方法(0.57 rad),其精度提高了0.156 rad.受试者的实验结果表明,论文提出的注视点轨迹描述方法可以准确地映射出受试者的注视点位置,能有效地支持广告类网页布局的优化.     

篮球运动员罚篮注视点的实验研究与几何分析

运用德国SMI公司研制的iView X HED眼动追踪系统,对十二名篮球运动员罚篮时的注视点进行追踪,发现罚篮注视点主要分布在篮框前端和篮框上方.并通过物理、几何方法计算出运动员罚篮注视点垂直高度的范围及被试者双眼到注视点的距离.     

基于视觉行为的长下坡路段彩色路面设置有效性研究

为研究高速公路彩色路面对驾驶员视觉行为的影响规律,采用Smart Eye Pro 5.7型非侵入式眼动仪记录了在彩色路面路段的驾驶员眼球运动数据,并选用瞳孔面积、XY视角、注视次数百分数、注视时间百分比、平均注视时间等眼动指标对数据进行分析。结果表明:彩色路面能够有效引起驾驶员的注意,但也影响了驾驶的舒适性。彩色路面会导致驾驶员对近处与远处的关注变换更为频繁。对于隧道出口同时又是转弯的彩色路面路段,驾驶员注意力分散,关注于弯道内侧,因此彩色路面设置的方式还有待改善。。     

草原公路平曲线交通标志设置类型对驾驶人视觉特性的影响

典型草原公路线形以长直线接大半径平曲线为主,平曲线段交通标志设置类型多样。为了对比分析平曲线段交通标志设置类型对驾驶人视觉特性的影响,选取14名驾驶人开展典型草原公路实驾试验,采用I view HED型眼动仪同步采集驾驶人在无标志及设置线形诱导标、线形诱导标+减速丘、示警桩等交通标志平曲线段的眼动数据,对比分析交通标志设置类型对驾驶人注视强度、视点转移特性的影响。数据分析结果表明：驾驶人在设置线形诱导标及线形诱导标+减速带的曲线段注视时长较短、注视频率较低,注视强度较小,注视转移分布范围较广且较均匀。在设置示警桩的曲线段,驾驶人的注视时长与注视频率则均较大,使其注视强度显著增加,驾驶人在不同区域之间转移的概率较大。在无标志平曲线段,驾驶人的注视点范围较窄,但因无交通标志的引导与警示,驾驶人注视强度大于设置线形诱导标段。     

车载信息服务影响下驾驶人注视特性研究

为研究车载信息服务影响下驾驶人的注视特征,设计并实施实车实验,采集驾驶人注视点数据,分析不同条件下注视点分布范围与位置。使用车载信息服务后,驾驶人对前方道路区域的注视面积显著减小,驾驶人注视点位置更接近于地面,前方道路区域平均注视比例显著减小,注视持续时间则无显著变化。比较车载信息设置于不同位置时注视分布变化,结果发现:设置于位置1时,注视分布面积与前方区域注视次数比例变化最大;设置于位置3时变化最小;设置位置2时,变化居于前两种情况之间。上述现象表明,使用车载信息服务后,驾驶人获取前方道路信息量减少,前方道路区域相对其他区域的重要程度有所降低,但信息提取难度无明显差异。此外,车载信息系统适宜的设置位置排序分别为位置3、2、1。     

表征驾驶风格和驾驶员能力的驾驶员模型

由于驾驶员群体的驾驶方式和驾驶能力的差异,所决策的加速度值与最优值存在不同程度的偏差.本文作者在原有最优预瞄侧向驾驶员模型的基础上发展了多点多目标决策模型,以驾驶员的视野特征和决策意愿表征驾驶风格,并对驾驶员能力建模.Simulink/Carsim联合仿真结果表明,包括4个自由参数模型能够反映出不同驾驶员的驾驶行为,并有望应用于提升无人驾驶车辆乘坐感受的研究.      

应用于HIL系统的驾驶员行为特性建模仿真与控制

驾驶员模拟是搭建人-车-路-环境的整车环境测试系统的关键环节之一,建立正确的、可以反映客观实际的驾驶员模型对于人-车闭环系统的描述与评价起着至关重要的作用。本文针对模拟仿真与测试需求进行驾驶员行为特性建模仿真与控制研究,研究预瞄环节、惯性环节和神经滞后环节以及前馈环节与反馈环节等对不同熟练程度驾驶员行为的影响,并建立PID和模糊自整定PID驾驶员控制模型以适应不同驾驶员操控,通过HIL仿真表明本文建立的驾驶员模型及控制模型能模拟驾驶员在不同熟练程度的真实操纵行为,且具有较好的适应性。     

选择性眩光防避系统保护下的司机面部检测

来车发出的强光及低位置太阳光引起的眩目效果会严重危害驾驶安全性,眩光防避系统可智能地在司机的眼睛区域投下阴影,以保护眼睛免受眩目效果的影响.然而,在眼睛被保护性阴影覆盖时,系统仍需对司机脸部进行检测,以实现进一步的监控.针对该问题,采用部分覆膜训练（PMT）、连续亚块训练（CST）以及交叠亚块训练（OST）,提出了阴影遮挡下的司机人脸检测算法;同时提出了将司机脸部轮廓检测及头部旋转角度估计方法运用于眩光防避系统,以增强复杂光照条件下的司机脸部检测精度与鲁棒性.实验结果验证了所提算法的有效性.     

基于眼睛状态识别的疲劳驾驶检测

由于光照变化、头部姿态等因素的影响,现有的疲劳驾驶检测精度仍有待提高。针对该问题,提出一种基于迁移学习的眼睛状态识别网络(Gabor and LBP-convolutional neural networks,GL-CNN),该网络是由Gabor特征和LBP特征通过迁移学习加入卷积神经网络(convolutional neural networks, CNN)调制组成的。首先用多任务级联卷积神经网络(multi-task CNN,MTCNN)检测驾驶员的人脸和双眼,然后经过眼睛筛选机制获取待检测的单只眼睛,通过GL-CNN识别眼睛的睁闭状态,最后根据PERCLOSE准则判断驾驶员的疲劳状态。实验结果表明,该算法具有较高的准确率,可以检测多种姿态眼睛的状态,同时满足实时性的要求。     

基于头部姿态的眼睛差分定位的驾驶员疲劳检测

基于面部特征的驾驶员疲劳判断是应用最广泛的方法,而眼睛睁闭程度最直接表达驾驶员的精神状态。传统的眼睛检测方法受环境、传输、头部姿态的影响,眼睛的定位精度不高,从而导致疲劳分析不准确。本文提出一种基于脸部图像灰度差进行眼睛检测的方法,正常情况下在人脸上半部只有眼睛进行睁闭的活动,故眼部区域灰度会发生变化,由此来进行标定。该方法主要包括基于adaboost算法的人脸识别、图像预处理、眼睛的检测、积分投影法计算眼睛的高宽比以及基于PERCLOS准则的驾驶员疲劳判断。最后分别基于头部左转、右转和正视三种情况下进行实验,根据结果表明该方法能够较好的进行眼睛的检测,对于进行驾驶员的疲劳判断有极大的意义。     

基于表面肌电信号的高原公路驾驶员颈部疲劳试验分析

为了解高原公路驾驶员颈部疲劳状况,寻求减轻驾驶员疲劳途径。选取新疆帕米尔高原典型路段进行实驾试验,通过生物反馈仪获取受测驾驶员颈部肌电数据,利用时域与频域分析方法选取积分肌电值(IEMG)与中值频率(MF)作为评价指标,研究高原公路驾驶员颈部肌肉IEMG与MF在连续驾驶时间、海拔作用下的疲劳特性。研究表明:连续驾驶时间、海拔是影响驾驶员IEMG、MF的主要因素。随着驾驶时间增长与海拔逐渐升高,驾驶员IEMG有上升趋势,而MF有下降趋势,表明高原公路驾驶员从低海拔到高海拔路段长时间连续驾驶车辆导致颈部疲劳感增加。通过对比不同行车经历驾驶员,发现经常出入高原公路驾驶员的颈部疲劳度与自我缓解能力要优于首次进入高原公路行驶车辆的驾驶员。     

基于迁移学习和AlexNet的驾驶员行为状态识别方法

为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,本文提出将迁移学习理论和AlexNet引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于AlexNet卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了本文提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明：该系统准确率达到97.8%,且在实验设备中运行速度达到70帧/分钟,满足较高的准确率要求与实时性要求。     

特长隧道群出入口段驾驶员瞳孔大小变化规律

山区高速公路特长隧道群出入口段是行车风险较高的路段,隧道出入口段的"黑白洞效应"对驾驶员的视觉影响显著,为了研究该路段的驾驶员瞳孔大小随着与隧道洞口距离的变化情况,通过实车试验采集了 10名男性驾驶员在雅康高速公路喇叭河隧道群路段行驶的瞳孔直径数据,分析了该隧道群路段各个隧道出入口的驾驶员瞳孔直径大小变化数据,采用统计...     

不同线形诱导信息量下新老驾驶员视觉特性

为定量分析新老驾驶员在不同线形诱导信息量的草原公路弯道行车时的视觉特性,建立了5种不同层级线形诱导信息量的草原公路弯道虚拟场景,信息量水平分别为Q0、Q1、Q2、Q3、Q4,并进行了模拟驾驶试验,对驾驶员视野分区,分析不同信息量条件和驾驶熟练程度对驾驶员视觉特性的影响规律。结果表明：熟练驾驶员注视分布区域比非熟练驾驶员更远也更分散,非熟练驾驶员对近距离区域的关注程度远高于熟练驾驶员;非熟练驾驶员行车过程视觉负荷较高,对有效信息的感知和处理能力较弱,视觉搜索策略需要改善;两组驾驶员在Q2条件下的视觉强度特征表现最佳,认知和视觉搜索策略更为灵活;提出表征驾驶员眼动强度的回归模型,并分别求得两组驾驶员受信息量影响的眼动强度回归方程。     

基于多模态信息联合判断的驾驶员危险行为监测系统

危险驾驶是引发交通事故的主要原因,严重威胁公众的人身和财产安全.车辆在行驶过程中,各种环境因素复杂多变,严重干扰了驾驶员危险行为监测系统的识别精度;现有的驾驶员危险行为监测检测系统主要是通过眨眼和打哈欠的频率来判断驾驶员是否出现危险驾驶行为,忽略了表情、动作以及视线方向等多个重要信息.针对这些问题,提出了一种基于多模态信息联合判断的驾驶员危险行为监测系统,该系统使用分布在驾驶舱3个不同位置的近红外图像作为输入,解决了光照强度变化和视角盲区问题;设计了一种基于多任务学习的深度神经网络,该网络可以同时完成人脸检测、表情识别以及危险动作分类等任务,极大地提升了系统的识别精度,提升了运行效率.实验证明,所提出系统的识别准确率为96.2％,运行速度为81 fps,性能优于目前常用的算法.