基于采样强跟踪非线性滤波理论的驾驶员眼动跟踪技术研究

摘要

研究驾驶员眼动机制及其非线性眼动跟踪技术、探讨眼动与驾驶状态的关系已成为辅助安全驾驶研究的前沿热点之一。本论文以现实驾驶环境下的驾驶员注意力监测为研究对象，以协调非线性跟踪的精确性、鲁棒性以及算法的实时性之间的矛盾为目标，开展驾驶员非线性眼动跟踪研究。具体工作如下：
　　 一、提出基于二维正交Log-Gabor滤波的驾驶员人眼检测算法。首先研究基于Harr特征的驾驶员人眼检测方法，虽然该方法检测速度快，但在夜晚驾驶条件下的驾驶员人眼检测精度较低。为此，提出了基于二维正交Log-Gabor滤波的驾驶员人眼检测算法，能有效避免光照对驾驶员人眼检测的影响。
　　 二、提出一种基于自适应模糊强跟踪EKF滤波算法的驾驶员眼动跟踪方法。首先基于人眼解剖学的视觉生理基础，结合现有的眼动跟踪研究成果，分析现实驾驶环境下驾驶员眼动模型，提出一种自适应模糊强跟踪EKF滤波算法的眼动跟踪方法。通过模糊逻辑控制动态调整弱化因子，提高算法的滤波精度；将有限差分替代强跟踪EKF滤波算法中的非线性函数的偏导数，使得滤波算法复杂度减低，更简单。最后将该算法用于驾驶员眼动跟踪，并对基于红外光源的驾驶员眼动跟踪中红外光源对人眼伤害进行评估。通过初步的理论推导和现实驾驶环境下的眼动跟踪、基于红外光源的驾驶员眼动跟踪实验表明，基于自适应模糊逻辑有限差分的强跟踪EKF滤波算法具有较高的滤波精度和鲁棒性。
　　 三、为提高驾驶员非线性眼动跟踪的实时性，提出一种低复杂度的自适应强跟踪简化UKF滤波算法。该算法通过合理减少强跟踪UKF滤波中Sigma点的采样策略，在保证跟踪精确性和鲁棒性条件下，降低算法复杂度。理论分析和实验结果表明，基于自适应强跟踪简化UKF滤波的驾驶员眼动跟踪算法能有效缓解非线性眼动跟踪的精确性、鲁棒性以及算法的实时性之间的矛盾。
　　 四、提出了基于多尺度强跟踪粒子滤波的驾驶员眼动跟踪算法。针对强跟踪粒子滤波对驾驶员眼动跟踪精度不高的问题，结合小波变换多尺度原理和强跟踪粒子滤波，提出了基于多尺度强跟踪粒子滤波的驾驶员眼动跟踪算法，有效地降低强跟踪粒子滤波重要性权值的方差，提高滤波精度。理论分析和实验证明，基于多尺度强跟踪粒子滤波的驾驶员眼动跟踪算法为强跟踪滤波器，能有效地提高驾驶员眼动跟踪精度和鲁棒性。
　　 五、基于眼动跟踪算法的驾驶员疲劳检测研究。采用驾驶员疲劳检测评估方法，比较研究了基于眼动跟踪算法的驾驶员疲劳检测性能，给出了一个真实驾驶环境下的驾驶员疲劳检测系统实现方案。
　　 总之，本论文围绕着基于采样强跟踪非线性滤波理论的驾驶员眼动跟踪展开研究，提出了一种驾驶员人眼检测算法和三种基于强跟踪非线性滤波的驾驶员眼动跟踪方法。对算法的精确性、鲁棒性和实时性进行理论分析和实验评估，有助于设计出适合现实驾驶环境下基于驾驶员眼动跟踪算法的疲劳检测系统并最终商用。

目录

文摘

英文文摘

声明

第1章 绪论

1.1课题的研究背景及意义

1.2国内外研究现状

1.2.1驾驶员非线性眼动跟踪中的基本问题

1.2.2现实环境下驾驶员人眼检测

1.2.3现实环境下驾驶员眼动跟踪

1.3目前存在的问题

1.4本文的主要研究成果

1.5论文的组织结构

第2章 基于二维正交Log-Gabor滤波的驾驶员人眼检测

2.1引言

2.2基于Harr特征的人眼检测

2.3基于二维正交Log-Gabor滤波的人眼检测

2.3.1 Gabor滤波

2.3.2二维Gabor滤波

2.3.4二维Log-Gabor滤波

2.3.5基于二维正交Log-Gabor滤波的驾驶员人眼检测

2.4实验及性能分析

2.5本章小结

第3章 基于自适应模糊强跟踪EKF算法的驾驶员眼动跟踪方法

3.1引言

3.2基于解剖学的驾驶员视觉生理基础

3.2.1人眼生理视觉基础

3.2.2基于解剖学的眼动视觉控制理论

3.3驾驶员眼动机制

3.4在线强跟踪双L变量的驾驶员非线性眼动模型

3.5强跟踪滤波理论

3.5.1强跟踪滤波的引入

3.5.2正交性原理

3.5.3带多重次优渐消因子的强跟踪滤波器

3.6自适应模糊强跟踪有限差分EKF滤波算法

3.6.1 Takagi-Sugeno自适应模糊逻辑控制

3.6.2自适应模糊强跟踪有限差分EKF滤波算法

3.7实验及性能分析

3.7.1实验一：仿真实验

3.7.2实验二：现实驾驶环境下的驾驶员眼动跟踪

3.7.3实验三：基于红外光源的驾驶员眼动跟踪

3.7.4实验四：红外光源对驾驶员人眼伤害评估测试

3.8本章小结

第4章 基于自适应强跟踪简化UKF算法的驾驶员眼动跟踪方法

4.1引言

4.2 UKF滤波算法

4.2.1算法简介

4.2.2问题描述

4.2.3 UT变换

4.2.4 UKF滤波算法

4.3自适应强跟踪简化UKF滤波算法

4.3.1算法复杂度分析

4.3.2算法鲁棒性分析

4.4实验及性能分析

4.4.1实验一：仿真实验

4.4.2实验二：现实驾驶环境下的驾驶员眼动跟踪

4.4.3实验三：特殊光源下驾驶员眼动跟踪

4.5本章小结

第5章 基于多尺度强跟踪粒子滤波算法的驾驶员眼动跟踪方法

5.1引言

5.2粒子滤波算法

5.2.1粒子滤波简介

5.2.2粒子进化及贝叶斯重要性采样原理

5.2.3 SIS序列重要性采样原理

5.2.4重采样原理及粒子滤波算法结构

5.2.5算法比较

5.3小波多尺度分解

5.3.1小波变换

5.3.2多尺度分解

5.4多尺度强跟踪粒子滤波算法

5.5实验及性能分析

5.5.1实验一：现实驾驶环境下的驾驶员眼动跟踪

5.5.2实验二：基于双目视觉阵列的驾驶员眼动跟踪

5.6本章小结

第6章 基于眼动跟踪算法的驾驶员疲劳检测

6.1引言

6.2驾驶员疲劳检测评估方法

6.2.1基于生物特征参数的驾驶员疲劳检测

6.2.2基于驾驶行为模型的驾驶员疲劳检测

6.2.3基于统计数学模型的驾驶员疲劳检测

6.2.4基于视觉计算的驾驶员疲劳检测

6.3基于眼动跟踪算法的驾驶员疲劳检测

6.4实验及性能分析

6.4.1实验一：采样强跟踪非线性滤波眼动跟踪算法性能比较

6.4.2实验二：基于眼动跟踪的驾驶员疲劳检测

6.5本章小结

结论

致谢

参考文献

附录：部分实验车辆及测试照片

攻读博士学位期间发表的学术论文及科研成果