駕駛員頭部運動與換道意圖的分析研究

黃賢丞，唐陽山，李棟梁

（遼寧工業(yè)大學(xué) 汽車與交通工程學(xué)院，遼寧 錦州 121001）

前言

駕駛?cè)祟^部位置及頭的轉(zhuǎn)動方向都會影響駕駛?cè)说囊暰€方向。研究表明在視線搜索過程中，頭部運動在時序上先于眼睛運動2s[2]。因此，在駕駛?cè)说囊曈X行為特性的研究當(dāng)中，對頭部參數(shù)的研究是優(yōu)先考慮的。駕駛?cè)祟^部位置參數(shù)較多，本文只對轉(zhuǎn)動參數(shù)進行研究，分析頭部水平方向的轉(zhuǎn)動角度。采用高倍攝像頭對駕駛?cè)祟^部進行跟蹤拍攝，通過對錄像分析，逐幀分析每幅畫面中的注視點位置，進而確定每個注視點所對應(yīng)的注視目標(biāo)。

1 頭部姿勢估計

圖1 頭部三維標(biāo)示

圖2 三維頭部轉(zhuǎn)換過程圖

利用攝像機對頭部運動進行拍攝和檢測，在三維世界中表示出人體頭部的位置和角度，即通過采集人體面部圖像，并設(shè)為參照，利用POSIT算法，將提取的待測圖像的特征點信息進行迭代估計，得到了頭部相較于標(biāo)準(zhǔn)正面頭部姿勢的三個自由度，獲得頭部姿勢估計[4]。

駕駛?cè)祟^部位置參數(shù)較多，本文只對轉(zhuǎn)動參數(shù)進行研究，分析頭部水平方向的轉(zhuǎn)動角度就，即圖中yaw方向。

2 頭部姿勢特征分析

2.1 頭部轉(zhuǎn)動姿勢

基于駕駛?cè)俗⒁暸d趣區(qū)域的劃分，結(jié)合實際情況分析，頭部轉(zhuǎn)動姿勢可分為前向，左向和右向，這里借鑒眼部注視的區(qū)域劃分，對頭部轉(zhuǎn)動的區(qū)域和角度進行劃分。

圖3 駕駛員注視范圍

圖4 駕駛員頭部轉(zhuǎn)動區(qū)域

頭部轉(zhuǎn)動區(qū)域中，1—前向區(qū)域，2—左向區(qū)域，3—右向區(qū)域。

2.2 頭部姿勢保持時間

駕駛?cè)藢煌ōh(huán)境（如道路、行人情況、車流信息）進行信息觀察時，會產(chǎn)生注視時間，相應(yīng)的會產(chǎn)生頭部姿勢保持時間，下圖可以看出，頭部姿勢在左向、右向保持時間百分比要小于前向區(qū)域，但是比例都是超過 60%，說明駕駛?cè)擞^察道路環(huán)境時，頭部姿勢的保持和觀察是主要方式。也就是說，駕駛?cè)嗽趽Q道的過程中需要對交通情況進行包括安全性和可通過性評估，也就是需要通過頭部姿勢的保持專注觀察，但是還需要擺動頭部關(guān)注如后視鏡、相鄰車道等的情況，導(dǎo)致減少頭部姿勢的保持時間。

圖5 不同行駛階段頭部姿勢保持時間

2.3 頭部轉(zhuǎn)動次數(shù)

頭部轉(zhuǎn)動次數(shù)指的是單個樣本時間段頭部轉(zhuǎn)動落在某個區(qū)域的次數(shù)，該指標(biāo)反映的是駕駛?cè)藢δ骋粎^(qū)域關(guān)注的頻繁程度。通常注視次數(shù)越多，表示駕駛?cè)擞^察的目標(biāo)物越多，分配到每個目標(biāo)物上的注意力越少。箱線圖給出了不同意圖階段的總注視次數(shù)的分布情況。

可以看出，左、右換道意圖階段的頭部姿勢保持次數(shù)分布范圍較廣，中位數(shù)以上數(shù)據(jù)顯著大于車道保持階段。左、右換道意圖階段的頭部姿勢保持次數(shù)平均值約為6次，而車道保持階段為4次。分別對左、右換道意圖階段和車道保持階段的頭部姿勢保持次數(shù)進行獨立樣本T檢驗，P值分別為0.003和0.005，均小于0.05，說明不管是左換道意圖階段還是右換道意圖階段都和車道保持階段的頭部姿勢保持次數(shù)存在顯著差異。

圖6 不同行駛階段頭部保持次數(shù)

3 數(shù)據(jù)預(yù)處理和正態(tài)性檢驗

樣本實驗中無可避免會出現(xiàn)異常值，去除異常值的意義有利于提高檢查結(jié)果的準(zhǔn)確性和精度。實驗過程中的駕駛?cè)说囊恍╇S機動作，有可能會導(dǎo)致異常數(shù)據(jù)的產(chǎn)生。

這里采用拉伊達法則法則進行數(shù)據(jù)預(yù)處理，基本思想可表示為：|xi-ˉx|＞3δ，即當(dāng)樣本中的測量數(shù)據(jù)xi與其測量結(jié)果的均值ˉx之差的絕對值大于3δ（標(biāo)準(zhǔn)差δ）時，該數(shù)據(jù)就是異常值。拉伊達法則法則操作簡單，理論清晰。

通過研究頭部轉(zhuǎn)動角度的均值與方差，證明頭部轉(zhuǎn)動角度能否應(yīng)用于駕駛員換道意圖的判斷。對數(shù)據(jù)進行正態(tài)性檢驗，這里利用matlab中Statistics Toolbox工具箱函數(shù)進行處理，基于概率紙檢驗正態(tài)分布的原理，對樣本觀測值進行由小到大的次序排列：X(1)≤X(2)≤…≤X(n)，將（X(i)，(i=1,2….n)進行概率紙?zhí)幚砜梢杂^測：

圖7 正態(tài)概率紙檢驗

從結(jié)果來看，這些點明顯接近一條直線，所以說這些觀測值的為正態(tài)分布是適當(dāng)?shù)腫3]。

4 頭部水平方向轉(zhuǎn)動角度標(biāo)準(zhǔn)差

為駕駛?cè)祟^部水平方向轉(zhuǎn)角標(biāo)準(zhǔn)差的分布情況，車道保持階段的樣本的標(biāo)準(zhǔn)差分布較為集中，且大都在分布在 5°以下，說明在車道保持階段駕駛?cè)祟^部在水平方向上轉(zhuǎn)動較平穩(wěn)；左換道意圖階段的水平方向轉(zhuǎn)角標(biāo)準(zhǔn)差的平均值為9.14 0，右換道意圖階段為10.52 0，車道保持階段為1.83 0，可以看出不論是左換道意圖階段還是右換道意圖階段，駕駛?cè)怂睫D(zhuǎn)角標(biāo)準(zhǔn)差總體分布都大于車道保持階段，說明換道意圖階段，駕駛?cè)送ㄟ^頭部轉(zhuǎn)動進行視覺補償觀察交通情況。

圖8 駕駛?cè)瞬煌旭傄鈭D頭部運動標(biāo)準(zhǔn)差

進一步對比發(fā)現(xiàn)，右換道意圖階段的分布比左換道意圖階段更分散，這主要是因為左、右后視鏡相對于駕駛?cè)宋恢玫牟町愋栽斐傻摹＿M行獨立樣本T檢驗，p（L&S）=0.004＜0.05，p（R&S）=0.001＜0.05，說明換道意圖階段和車道保持階段的駕駛?cè)祟^部水平方向轉(zhuǎn)角標(biāo)準(zhǔn)差存在明顯差異。駕駛?cè)祟^部水平方向轉(zhuǎn)角標(biāo)準(zhǔn)差可以作為表征駕駛?cè)藫Q道意圖的參數(shù)[5]。

5 結(jié)論

本文對駕駛員頭部運動的姿勢進行分析和視頻分析，得到頭部姿勢估計，然后對駕駛過程中的頭部轉(zhuǎn)動進行區(qū)域劃分，對視頻采集的數(shù)據(jù)進行預(yù)處理和獨立樣本T檢驗，得到表征指標(biāo)，確定了頭部運動姿勢可以表征駕駛?cè)藫Q道意圖的結(jié)論。為后續(xù)模型的訓(xùn)練提供支撐。

[1] 李航.統(tǒng)計學(xué)習(xí)方法[M].清華大學(xué)出版社,2012:187-188.

[2] Doshi A, Trivedi M M. On the Roles of Eye Gaze and Head ynamics in Predicting Driver's Intent to Change Lanes[C], IEEE Transactions on Intelligent Transportation System, 2009, 10(3):453-462.

[3] 周洪偉.正態(tài)性檢驗的幾種常用的方法[J].南京曉莊學(xué)院學(xué)報,2012(3):13-18.

[4] 邢世蒙.頭部運動姿態(tài)檢測分析與設(shè)計[D].西安工業(yè)大學(xué),2015年.

[5] 楊誠.基于隱馬爾可夫理論的駕駛?cè)藫Q道意圖識別研究[D].吉林大學(xué),2016.