调查驾驶员头部和目光的一致性
摘要：驾驶者的目光模式与相应的头部旋转之间的关系非常复杂，因为它对个体、任务和驾驶环境具有非线性依赖性。本研究通过将头部旋转数据与人工编码的注视区域数据连接起来，探讨了头部姿势作为驾驶员目光估计器的能力，使用了统计分析方法和预测（即机器学习）方法。对于后者，分类准确率随着两个视线位置之间的视觉角度增加而提高。换句话说，注视点的转移越大，分类准确率越高。这是一个直观但重要的概念，我们通过我们的分析明确了这一点。使用隐马尔科夫模型（HMM）方法在正向道路与中央面板之间的二元注视分类问题上获得的最高准确率为83\%。结果表明，尽管在驾驶过程中存在头部-目光对应的个体差异，但基于头部旋转数据的分类器模型可能对这些差异具有鲁棒性，因此可以作为注视位置的合理估计器。研究结果表明，驾驶员的头部姿势可以在多种关键情况下作为眼球注视的替代物，包括识别高离心率的注视。低成本的驾驶员头部姿势跟踪可能是开发用于减轻驾驶员注意力分散和不注意力的检测系统的关键要素。
作者：Joonbum Lee, Mauricio Mu~noz, Lex Fridman, Trent Victor, Bryan Reimer, Bruce Mehler
论文ID：1602.07324
分类：Other Computer Science
分类简称：cs.OH
提交时间：2018-02-21