基于深度圖的駕駛員頭部姿態(tài)分析.pdf

1、近些年來，隨著經(jīng)濟的發(fā)展，機動車的數(shù)量在飛速增長，除了為生活帶來了交通上的便捷，道路交通事故的發(fā)生頻率也不斷上升。據(jù)研究表明，交通事故的產(chǎn)生除去不可抗力的客觀因素以外，絕大部分都是由于駕駛人員的主觀注意力不集中引發(fā)的，而如果可以利用交通輔助系統(tǒng)通過對駕駛員的駕駛行為進行監(jiān)測，可以有效避免此類交通事故的發(fā)生。頭部姿態(tài)估計技術對研究駕駛員視線的觀察方向、檢測駕駛員注意力是否集中和提高駕駛員駕駛行為安全有著非常重要的意義，是目前國內外學者廣泛

2、研究的課題。
　　目前存在一些已有的對駕駛員頭部姿態(tài)估計的方法，并且取得了一定的成果，但是由于在駕駛員駕車行駛過程中，會受到光照、遮擋物等不可抗因素的影響，現(xiàn)存對頭部姿態(tài)進行分析的算法已經(jīng)不能滿足實際的需求。
　　為了提高駕駛員頭部姿態(tài)估計的準確性，本文了對現(xiàn)存的頭部姿態(tài)分析算法進行了增強改進。在圖像采集階段將二維的RGB彩色圖像和深度圖像相結合，利用動態(tài)外觀模型確定人臉位置，再將人臉部分轉化為剛性的頭部點云，利用最近點迭代

3、(ICP)算法對頭部姿態(tài)進行粗略估計分析。然后通過自學習的算法，以駕駛員在車內前方的視線區(qū)域為參考區(qū)域，建立9個相應的頭部姿態(tài)模板。最后利用該模板中的視線區(qū)域以及其相鄰的區(qū)域和粒子濾波算法跟蹤估計當前駕駛員的頭部姿態(tài)，實現(xiàn)了對駕駛員頭部姿態(tài)更為精確地估計。
　　實驗結果表明，本文提出的算法可以很好地對駕駛員頭部姿態(tài)進行估計，準確率可以達到85％以上，所測的數(shù)據(jù)結果符合駕駛的行為標準，可以滿足駕駛安全輔助系統(tǒng)和駕駛行為安全性的需求。