驾驶员头部姿态估计方法的研究-控制科学与工程专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包 含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材 料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 签 名： 日 期： 学位论文使用授权书 本人完全了解武汉理工大学有关保留、使用学位论文的规定， 即学校有权保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子 学位论文）为答辩后经修改的最终定稿学位论文，并授权武汉理工 大学可以将本学位论文的全部内容编入有关数据库进行检索，可以 采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权 经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学 位论文，并向社会公众提供信息服务。 （保密的论文在解密后应遵守此规定） 研究生（签名）： 导师（签名）： 日期 摘要 随着社会经济的快速发展，机动车辆已经进入人们的日常生活当中，并成 为主要的出行方式之一。与此同时，交通安全也逐渐引起了人们的关注，行车 安全在很大程度上依赖于驾驶员在行车过程中对周围环境的持续观察能力。各 种车辆和障碍物出现在行车过程中的时候，驾驶员必须保持高度警惕，并在必 要时刻做出反映。 头部姿态的研究已经经历了多年的探索，国内外高校和科研机构相继取得 了各自的研究成果。在众多的实验方法中，基于混合方法的识别算法在满足不 同需求的情况下，能够达到准确的识别效果。 为给予驾驶员在行车过程中必要的提醒，避免驾驶员因酒后驾驶或疲劳驾 驶等原因而引发交通安全事故，本文提出了一种以几何方法和非线性回归相结 合的识别算法，并成功用于对驾驶员头部姿态的估计。算法先提取眼睛、嘴巴 等特征点，通过这些特征点构建出头部姿态的几何模型，进而采用非线性回归 分析几何模型数据，并判断出头部的运动姿态。该方法将姿态估计过程分为三 个主要部分: 1） 获取视频信息和对应的头部图像信息，对图像进行归一化处理并用 SIFT 算 法提取驾驶员头部（主要是面部）图像的特征点； 2） 通过模糊 C 均值算法对图像特征点进行聚类分析，得到聚类中心点并计算 相应中心点之间的欧式距离； 3） 使用基于神经网络的非线性回归方法来对几何模型的数据进行训练和学 习，将高维数据映射为低维数据，再将非线性回归的结果用于驾驶员头部姿 态的最终判断。 实验结果表明，本文提出的方案在保证有效性的前提下，提高了驾驶员头 部姿态的精确性，并且在头部部分遮挡的情况下仍具有较高的鲁棒性。将其运 用在驾驶辅助系统中能有效地对驾驶员头部姿态做出判断，是一种有效、安全 的方法。 关键词：头部姿态估计，特征提取，模糊聚类，神经网络，非线性回归 I Abstract With the economy and society developing, driving car has entered peoples daily life and became one of the most important choices for outside. At the same time, traffic safety gradually arouse the people’s attention. Vehicular safety relies on the ability of people to maintain constant awareness of the environment as they drive. As new vehicles and obstacles move into the vicinity of the car, a driver must be cognizant of the change and be ready to respond as necessary. A lot of research work has been done in the field of head pose estimation. There are several kinds of ways for this research. The hybrid method, which is one way among them, can combine the advantages of different methods in order to improve the accuracy. To give necessary remind for drivers in