發(fā)布時間：2021-04-29 16:35

　　在現(xiàn)代汽車工業(yè)發(fā)展過程中,汽車漸漸不再只是人們日常出行的工具,汽車在未來更是一個充滿無限遐想的移動互聯(lián)空間,逐漸滿足用戶對安全、智能、高效和樂趣等要求。未來汽車智能化、網聯(lián)化、電動化以及共享化將是行業(yè)發(fā)展的必然趨勢,智能汽車將在這場變革中扮演舉足輕重的角色,其涉及到復雜的環(huán)境感知、數(shù)據(jù)處理和決策執(zhí)行等過程。在智能汽車關鍵技術包括傳感器、信息處理和數(shù)據(jù)傳輸技術等完全成熟以及普遍商業(yè)化之前,L3級智能車將有望率先獲得廣泛的應用推廣,并為后續(xù)更高智能工業(yè)化積累海量的數(shù)據(jù)和經驗,進而加快汽車自動化的應用進程。這一階段的智能汽車涉及到當車輛進入自動駕駛模式,駕駛員參與非駕駛活動如打電話、使用平板等,但是當出現(xiàn)系統(tǒng)無法處理的緊急情況如異常復雜、某子系統(tǒng)失效等,駕駛員需要放棄當前的非駕駛活動,重新接管對車輛的控制權。因此,怎樣監(jiān)測表征駕駛員在自動駕駛模式下的非駕駛活動注意力狀態(tài)顯得尤為重要。目前對駕駛員狀態(tài)的研究主要集中在傳統(tǒng)的駕駛狀態(tài)監(jiān)測上,包括駕駛分心和駕駛疲勞等,而對于L3智能駕駛非駕駛活動狀態(tài)研究較少,因此本文聚焦這一新興應用場景,進行如下方面的研究:（1）過往的研究主要基于傳統(tǒng)的駕駛場景比... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 論文的背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 駕駛員狀態(tài)對汽車安全的影響
        1.2.2 駕駛員駕駛狀態(tài)檢測系統(tǒng)研究現(xiàn)狀
    1.3 本文研究目的和主要內容
        1.3.1 研究目的
        1.3.2 主要內容
    1.4 創(chuàng)新之處
2 駕駛員頭部姿態(tài)估計
    2.1 頭部姿態(tài)估計方法介紹
    2.2 人臉檢測
        2.2.1 基于Harr特征的人臉檢測
        2.2.2 基于點對像素比較(PICO)的人臉檢測
        2.2.3 回歸決策樹和分類器
    2.3 人臉特征點檢測
        2.3.1 基于局部約束CLM的人臉特征點檢測
        2.3.2 基于局部約束神經模型(CLNF)的人臉特征點檢測
    2.4 基于EPNP的姿態(tài)估計
        2.4.1 針孔透視成像模型
        2.4.2 EPNP(efficient perspective-N-point)算法介紹
    2.5 本章小結
3 基于相關性和支持向量機狀態(tài)估計
    3.1 基于非駕駛活動的實驗設計
        3.1.1 非駕駛活動實驗設計
        3.1.2 基于心流體驗(Flow)的任務設定
        3.1.3 基于量化指標的監(jiān)督評價方法
    3.2 基于時變互相關系數(shù)估計
    3.3 基于SVM的分類模型建立
    3.4 本章小結
4 非駕駛活動注意力狀態(tài)估計
    4.1 視覺系統(tǒng)及驗證
    4.2 數(shù)據(jù)收集及模型建立
    4.3 分析驗證
    4.4 本章小結
5 總結與展望
    5.1 論文總結
    5.2 展望
參考文獻
附錄
    A.作者在攻讀學位期間發(fā)表的論文/專利目錄
    B.作者在攻讀學位期間參加的科研項目
    C.學位論文數(shù)據(jù)集
致謝



本文編號：3167808