中国公路学报

作者：程文冬, 付锐, 马勇, 周扬, 刘京凯

单位：1. 西安工业大学 机电工程学院, 陕西 西安 710032;2. 长安大学 汽车运输安全保障技术交通行业重点实验室, 陕西 西安 710064"],"fundList_en":["National Natural Science Foundation of China (51775053, 52072046); Natural Science Basic Research Program of Shaanxi Province (2018JM5158)

关键词：交通工程,认知分心,机器视觉,智能辅助驾驶,行为特性,D-S证据理论,驾驶人

基金：国家自然科学基金项目（51775053，52072046）；陕西省自然科学基础研究计划项目（2018JM5158）

在手机通话（MPC）行为中，驾驶人极易陷入认知分心（DCD）状态，对此提出了一种基于头-眼行为特性的DCD图像识别方法。为适应自然驾驶中的波动光照和复杂背景，首先建立基于YCbCr色彩空间的在线肤色模型，提取待检肤色区域的PCA-HOG特征并建立支持向量机分类器来识别MPC手势；与此同时，采用多尺度局部模极大值方法检测嘴部显著边缘，并通过边缘活跃度来识别驾驶人说话行为，综合MPC手势和说话行为建立MPC行为的判别逻辑。最后，以5 s为时间窗口获取驾驶人的眼球活跃度、眨眼指数、头部横摆和俯仰运动活跃度，采用D-S证据理论建立融合头-眼行为特性的DCD识别方法。试验结果表明：融合手势和说话行为图像检测的MPC识别率为92.8%；对于不佩戴眼镜的驾驶人，眼球活跃度是DCD识别率最高的单一指标，“眼球活跃度-头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高，为86.2%；对于佩戴眼镜的驾驶人，“头部横摆活跃度-头部俯仰活跃度”融合证据的DCD识别率最高，为83.2%；算法对熟练驾驶人的DCD识别率略高于非熟练驾驶人。

来源：2021年第5期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2021年第5期