驾驶员状态检测及其在人机共驾中的应用

发布时间：2025-05-05 02:59

　　随着环境感知技术和决策控制理论的发展,智能汽车的自动化程度越来越高,已经具备了一定的自动驾驶能力,但想要达到完全自动驾驶,还需要一段很长的时间。这个阶段的智能汽车,由人和汽车共同完成驾驶任务,简称人机共驾。人机共驾是智能汽车技术中的全新挑战和重要研究课题。建立驾驶员的状态表征,并在危险工况下机器介入控制对行车安全具有重要的意义。行车过程中,驾驶员疲劳驾驶和注意力不集中容易导致交通事故的发生,通过计算机视觉方法检测驾驶员的状态,并结合周边道路信息对驾驶员进行预警和局部路径规划,能极大的改善行车安全。本文主要进行了如下研究:(一)通过摄像头采集驾驶员驾驶过程中的头部影像,采用ASM(主动形状模型)标识脸部特征点分布,并提取眼部区域图像。提取眼部区域的HOG(方向梯度直方图)特征,并通过SVM算法对眼睛的睁闭状态进行判别。依据PERCLLOS指标,计算驾驶员的疲劳程度。(二)从ASM的特征点中选取左右眼角、脸颊和鼻子五处特征点,使用POSIT算法(比例正交投影迭代变)将二维问题转化为三维问题来求解头部姿态,采用Canny边缘检测+Hough圆检测的方法,确定瞳孔中心,使用3D眼球模型计算出视线...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 驾驶员疲劳研究现状
        1.2.2 驾驶员视线方向检测
        1.2.3 局部路径规划
    1.3 主要研究内容
2 基于PERCLOS指标的驾驶员疲劳状态检测
    2.1 ASM算法及驾驶员眼部区域提取
        2.1.1 ASM算法简介
        2.1.2 自商图预处理
        2.1.3 驾驶员眼部区域提取
    2.2 HOG特征提取
    2.3 人眼状态判别
        2.3.1 SVM眼睛状态判别模型
        2.3.2 SVM训练与测试
    2.4 基于眼睛状态的疲劳判别
    2.5 本章小结
3 结合头部姿态的驾驶员视线方向估计
    3.1 头部姿态估计
        3.1.1 特征点选取
        3.1.2 POSIT算法
    3.2 瞳孔中心检测
        3.2.1 边缘检测算法
        3.2.2 瞳孔中心检测
    3.3 3D眼球模型
    3.4 本章小结
4 基于驾驶员状态的局部路径规划
    4.1 改进的人工势场法
        4.1.1 引力场
        4.1.2 斥力场
        4.1.3 合势力场
        4.1.4 对人工势场法的改进
    4.2 模糊系统
        4.2.1 模糊系统基本原理
        4.2.2 模糊系统设计
    4.3 基于驾驶员状态的局部路径规划仿真
    4.4 本章小结
5 全文总结
    5.1 本文工作与结论
    5.2 文章创新点
    5.3 研究展望
致谢
参考文献
附录
    A.作者在攻读学位期间发表的论文目录



本文编号：4043019