CN105205443B - 一种基于驾驶人眼动特征的交通冲突识别方法 - Google Patents

一种基于驾驶人眼动特征的交通冲突识别方法 Download PDF

Info

Publication number
CN105205443B
CN105205443B CN201510496520.0A CN201510496520A CN105205443B CN 105205443 B CN105205443 B CN 105205443B CN 201510496520 A CN201510496520 A CN 201510496520A CN 105205443 B CN105205443 B CN 105205443B
Authority
CN
China
Prior art keywords
pupil diameter
point
data
traffic conflict
driver
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510496520.0A
Other languages
English (en)
Other versions
CN105205443A (zh
Inventor
李世武
徐艺
杨志发
王琳虹
孙文财
郭梦竹
柴萌
魏雨浓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201510496520.0A priority Critical patent/CN105205443B/zh
Publication of CN105205443A publication Critical patent/CN105205443A/zh
Application granted granted Critical
Publication of CN105205443B publication Critical patent/CN105205443B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明涉及一种基于驾驶人眼动特征的交通冲突识别方法，该方法如下：采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据；识别出初始待匹配瞳孔直径数据中各交通冲突瞳孔直径波峰的峰值点并以此作为初始条件进行迭代，得到交通冲突瞳孔直径峰值点最大值集合；对各峰值点左侧第一个达到正常行驶瞳孔直径均值的点和右侧第一个眨眼点进行定位；两个定位点即为交通冲突开始点和终止点。本发明符合以道路使用者交通需求和生理‑心理反应特征作为道路设计理论基础这一原则，交通冲突识别结果与驾驶人感知结果的一致性好，为符合道路使用者感知的道路安全评价、道路线形设计、交通系统规划合理性提出了一种新方法。

Description

一种基于驾驶人眼动特征的交通冲突识别方法
技术领域
本发明是一种基于驾驶人瞳孔直径的交通冲突识别方法，涉及交通工程学中的驾驶人视觉行为领域和交通冲突技术领域。
背景技术
交通冲突技术是当前道路交通安全评价方法的主流，许多专家学者在常规交通冲突判别方面提出了很多方法，如2013年东南大学申请的专利“一种基于两车碰撞时间的机动车有效交通冲突识别方法”(CN 103106811 A)，2014年东南大学和南京市公安局交通管理局申请的专利“一种利用交通冲突判别事故易发路段的方法及其系统”(CN 103971519A)等，多数是以车间距、相对车速及其衍生参数作为交通冲突识别的指标，致使交通冲突判别结果与驾驶人感知结果间产生较大差异，不利于道路安全的客观评价和交通系统的合理规划。
而被广泛认可的道路交通设计理论指出要以道路使用者的交通需求和生理-心理反应特征作为道路设计的理论基础，现有的交通冲突识别方法并未从驾驶人心理角度对道路交通状况进行安全性评价，基于道路使用者生理-心理反应特征的道路设计与优化因而无法实现，究其原因是未找到反映驾驶人心理负荷的交通冲突量化指标以及基于该指标的交通冲突识别方法。因此寻找一种可反映驾驶人心理负荷的评价指标及基于该指标的交通冲突快速识别方法是量化道路交通安全性的关键。
外界刺激与驾驶人眼动特征的关系研究为寻找可反映驾驶人心理负荷的交通冲突量化指标提供了新的方向，相关领域专家研究了酒精刺激对眼动特征的影响、精神负荷对眼动特征的影响、声音等刺激因素造成的心理压力及其导致的眼动特征变化等规律，在已有研究成果启发下发明人进行了眼动特征与交通冲突的相关性试验，充分证明了眼动特征与交通冲突的明显相关性。
所以，本领域亟需开展探究通过分析驾驶人眼动特征识别交通冲突的方法。
发明内容
本发明所要解决的技术问题：针对现有技术的不足和缺陷，提供一种基于驾驶人眼动特征的交通冲突识别方法，该方法首次提出以驾驶人眼动特征为指标的交通冲突识别方法，基于交通冲突对驾驶人产生心理负荷而心理负荷会表现为眼动特征变化的原理，符合道路交通设计理论中以道路使用者生理-心理反应特征作为道路设计理论基础的要求，将峰值点左侧第一个达到正常行驶瞳孔直径均值的点作为冲突起始点，将峰值点右侧第一个眨眼动作点作为冲突终止点，克服了专家打分法等评价方法中的主观性缺陷。
为了解决上述技术问题，本发明的基于驾驶人眼动特征的交通冲突识别方法，包括下述步骤：
步骤一、数据采集
步骤二、识别出初始待匹配瞳孔直径数据P0中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P0中的采样点数据序号集合为I0，
步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在PR中搜索交通冲突瞳孔直径峰值点最大值MR，如果MR≥sr，sr为已知冲突中最小的瞳孔直径峰值，将最大值MR对应的P0中的采样点数据序号记为从PR中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据PR+1，令R＝R+1；LM为交通冲突瞳孔直径波峰包含的采样点个数；如果MR＜sr，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M0,M1,…MR…MW)，M中各元素对应的P0中的采样点数据序号集合记为IM，进入步骤四；
步骤四、冲突关键点设定
对最大值集合M中的各元素，按照其在集合P0中的采样点数据序号从小到大进行排序得到集合H，H＝(H1,H2,…Hq…HW)；令与集合H中各元素对应的P0中的采样点数据序号集合为IH，对于集合H中任意元素Hq，设Hq左侧第一个达到正常行驶瞳孔直径均值sa的点在P0中的采样点数据序号为Sq，记S＝(S1,S2,…Sq…SQ)；设Hq右侧第一个眨眼点对应位置为Eq，记E＝(E1,E2,…Eq…EQ)；运行步骤五；
步骤五、S点定位
1)设正常行驶瞳孔直径均值为sa，令q＝1，比较初始待匹配瞳孔直径数据P0中瞳孔直径与sa的大小，运行步骤2)；
2)如果则t＝t-1，再次比较与sa的大小，直至令Sq＝t-1，q＝q+1，
3)对于集合H中任意元素，令如果则t＝t-1；再次比较与sa的大小，直至令Sq＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六；
步骤六、E点定位
1)令q＝1，比较同步眨眼数据集合B中的Bt+1与0的大小，运行步骤2)；
2)如果Bt+1＝0，则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，q＝q+1，
4)对于集合H中任意元素，令如果Bt+1＝0则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；
步骤七、结果输出。
本发明中基础数据为瞳孔直径、眨眼动作数据。
对于任意一个交通冲突瞳孔直径波峰，冲突开始点为峰值点左侧第一个达到正常行驶瞳孔直径均值sa的点Sq，冲突终止点为峰值点右侧第一个眨眼动作点Eq，点Sq和点Eq之间的时间段即为冲突时间段。
通过上述设计方案，本发明可以带来如下有益效果：
1、本发明首次提出以驾驶人眼动特征为指标的交通冲突识别方法，该方法是基于交通冲突对驾驶人产生心理负荷而心理负荷会表现为瞳孔直径变化和眨眼动作变化的原理；该方法符合道路交通设计理论中以道路使用者生理-心理反应特征作为道路设计理论基础的要求。
2、本发明以驾驶人眼动特征作为交通冲突识别指标，驾驶人眼动特征变化为非条件反射，克服了专家打分法等评价方法中的主观性缺陷。
3、本发明每次搜索到最大值均剔除最大值周边数据，使每一次搜索到的最大值均为瞳孔直径峰值。
4、本发明符合道路交通设计理论中以道路使用者交通需求和生理-心理反应特征作为道路设计的理论基础这一原则，为提高交通冲突识别结果与驾驶人感知结果的一致性提供了有效手段，为符合道路使用者感知的道路安全评价、道路线形设计、交通系统规划合理性提出了一种新方法。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的基于驾驶人眼动特征的交通冲突识别方法流程图；
图2为采集的驾驶人瞳孔直径数据和眨眼动作数据序列图。
图中：A为已识别出的冲突时段，B为交通冲突瞳孔直径波峰的峰值点。
图3为部分初始待匹配瞳孔直径数据序列图。
图4为采集的驾驶人瞳孔直径数据和眨眼动作数据局部序列图。
具体实施方式
本发明的基于驾驶人眼动特征的交通冲突识别方法，如图1所示，具体包括下述步骤：
步骤一、数据采集
步骤二、识别出初始待匹配瞳孔直径数据P0中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P0中的采样点数据序号集合为I0，
步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在PR中搜索交通冲突瞳孔直径峰值点最大值MR，如果MR≥sr，sr为已知冲突中最小的瞳孔直径峰值，将最大值MR对应的P0中的采样点数据序号记为从PR中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据PR+1，令R＝R+1；LM为交通冲突瞳孔直径波峰包含的采样点个数；如果MR＜sr，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M0,M1,…MR…MW)，M中各元素对应的P0中的采样点数据序号集合记为IM，进入步骤四；Lm，sr通过实验确定为Lm＝50，sr＝4。
步骤四、冲突关键点设定
对最大值集合M中的各元素，按照其在集合P0中的采样点数据序号从小到大进行排序得到集合H，H＝(H1,H2,…Hq…HW)；令与集合H中各元素对应的P0中的采样点数据序号集合为IH，如图4所示，对于集合H中任意元素Hq，设Hq左侧第一个达到正常行驶瞳孔直径均值sa的点在P0中的采样点数据序号为Sq，记S＝(S1,S2,…Sq…SQ)；设Hq右侧第一个眨眼点对应位置为Eq，记E＝(E1,E2,…Eq…EQ)，sa通过实验确定为sa＝3.75；运行步骤五。
步骤五、S点定位
1)设正常行驶瞳孔直径均值为sa，令q＝1，比较初始待匹配瞳孔直径数据P0中瞳孔直径与sa的大小，运行步骤2)；其中q为交通冲突瞳孔直径波峰峰值点在集合H中的序号；t为采样点在P0中的数据序号；
2)如果则t＝t-1，再次比较与sa的大小，直至令Sq＝t-1，q＝q+1，
3)对于集合H中任意元素，令如果则t＝t-1；再次比较与sa的大小，直至令Sq＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六。
步骤六、E点定位
1)令q＝1，比较同步眨眼数据集合B中的Bt+1与0的大小，运行步骤2)；
2)如果Bt+1＝0，则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，q＝q+1，
3)对于集合H中任意元素，令如果Bt+1＝0则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；其中q为交通冲突瞳孔直径波峰峰值点在集合H中的序号；t为采样点在P0中的数据序号；
步骤七、结果输出。
对于任意一个交通冲突瞳孔直径波峰，冲突开始点为峰值点左侧第一个达到正常行驶瞳孔直径均值sa的点Sq，冲突终止点为峰值点右侧第一个眨眼动作点Eq，点Sq和点Eq之间的时间段即为冲突时间段。

Claims (1)

1.一种基于驾驶人眼动特征的交通冲突识别方法，其特征在于包括下述步骤：
步骤一、数据采集
利用汽车模拟驾驶系统使驾驶人在虚拟设计道路上行驶，采集驾驶人在整个虚拟设计道路上驾驶时的全部瞳孔直径数据和眨眼动作数据；记采集到的全部瞳孔直径数据集合为D，D＝(D1，D2…Di，…DN)，记眼动仪生成的同步眨眼数据集合为B，B＝(B1,B2…Bt,…BT0)；将集合D中瞳孔直径数据的统一序号作为每个采样点的全局标记，得到各采样点全局标记集合U，U＝(1,2,…i,…N)；对集合D进行眨眼数据剔除和5级小波分解，生成初始待匹配瞳孔直径数据集合P0，T＝N-T0；记L0为P0中每个采样点的初始数据序号，
步骤二、识别出初始待匹配瞳孔直径数据P0中各交通冲突瞳孔直径波峰的峰值点，记各交通冲突瞳孔直径波峰的峰值点在P0中的采样点数据序号集合为I0，
步骤三、以初始待匹配瞳孔直径数据为初始条件进行迭代，设第R次迭代结果为R为自然数；使用遍历法在PR中搜索交通冲突瞳孔直径峰值点最大值MR，如果MR≥sr，sr为已知冲突中最小的瞳孔直径峰值，将最大值MR对应的P0中的采样点数据序号记为从PR中剔除到的数据，生成第R+1次迭代结果待匹配瞳孔直径数据PR+1，令R＝R+1；LM为交通冲突瞳孔直径波峰包含的采样点个数；如果MR＜sr，则停止迭代，得到交通冲突瞳孔直径峰值点最大值集合M；设迭代结束后迭代总的次数为W,则M＝(M0,M1,…MR…MW)，M中各元素对应的P0中的采样点数据序号集合记为IM，进入步骤四；
步骤四、冲突关键点设定
对最大值集合M中的各元素，按照其在集合P0中的采样点数据序号从小到大进行排序得到集合H，H＝(H1,H2,…Hq…HW)；令与集合H中各元素对应的P0中的采样点数据序号集合为IH，对于集合H中任意元素Hq，设Hq左侧第一个达到正常行驶瞳孔直径均值sa的点在P0中的采样点数据序号为Sq，记S＝(S1,S2,…Sq…SQ)；设Hq右侧第一个眨眼点对应位置为Eq，记E＝(E1,E2,…Eq…EQ)；运行步骤五；
步骤五、S点定位
1)设正常行驶瞳孔直径均值为sa，令q＝1，比较初始待匹配瞳孔直径数据P0中瞳孔直径与sa的大小，运行步骤2)；
2)如果则t＝t-1，再次比较与sa的大小，直至令Sq＝t-1，q＝q+1，
3)对于集合H中任意元素，令如果则t＝t-1；再次比较与sa的大小，直至令Sq＝t-1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤六；
步骤六、E点定位
1)令q＝1，比较同步眨眼数据集合B中的Bt+1与0的大小，运行步骤2)；
2)如果Bt+1＝0，则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，q＝q+1，
3)对于集合H中任意元素，令如果Bt+1＝0则令t＝t+1；再次比较Bt+1与0的大小，直至Bt+1≠0，令Eq＝t+1，若q≤max(q)-1，则令q＝q+1，若q＞max(q)-1，则运行步骤七；
步骤七、结果输出。
CN201510496520.0A 2015-08-13 2015-08-13 一种基于驾驶人眼动特征的交通冲突识别方法 Expired - Fee Related CN105205443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510496520.0A CN105205443B (zh) 2015-08-13 2015-08-13 一种基于驾驶人眼动特征的交通冲突识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510496520.0A CN105205443B (zh) 2015-08-13 2015-08-13 一种基于驾驶人眼动特征的交通冲突识别方法

Publications (2)

Publication Number Publication Date
CN105205443A CN105205443A (zh) 2015-12-30
CN105205443B true CN105205443B (zh) 2018-06-19

Family

ID=54953115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510496520.0A Expired - Fee Related CN105205443B (zh) 2015-08-13 2015-08-13 一种基于驾驶人眼动特征的交通冲突识别方法

Country Status (1)

Country Link
CN (1) CN105205443B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107357762A (zh) * 2017-06-08 2017-11-17 长安大学 一种基于驾驶人眼动特性的交通潜在危险判别方法
CN111643077B (zh) * 2020-06-19 2024-05-07 北方工业大学 一种基于脑电数据的交通动态因素复杂度的辨识方法
CN112181149B (zh) * 2020-09-30 2022-12-20 山东理工大学 驾驶环境的识别方法、装置及模拟驾驶器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103735278A (zh) * 2013-12-25 2014-04-23 中国科学院苏州生物医学工程技术研究所 一种客观检测危险驾驶行为的方法
CN104182995A (zh) * 2014-08-08 2014-12-03 吉林大学 一种基于驾驶疲劳的高速公路路侧景观色彩评价方法
CN104332055A (zh) * 2014-11-18 2015-02-04 吉林大学 一种基于驾驶人瞳孔直径的交通冲突快速识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103735278A (zh) * 2013-12-25 2014-04-23 中国科学院苏州生物医学工程技术研究所 一种客观检测危险驾驶行为的方法
CN104182995A (zh) * 2014-08-08 2014-12-03 吉林大学 一种基于驾驶疲劳的高速公路路侧景观色彩评价方法
CN104332055A (zh) * 2014-11-18 2015-02-04 吉林大学 一种基于驾驶人瞳孔直径的交通冲突快速识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A Comparison of Eye Movement Behavior of Inexperienced and Experienced Drivers in Real Traffic Environments";Falkmer T等;《Optometry and vision science》;20050801;第82卷(第8期);第732-739页 *
"基于驾驶人瞳孔直径的追尾冲突辨识方法研究";李世武等;《交通信息与安全》;20141020;第32卷(第5期);第42-46页 *

Also Published As

Publication number Publication date
CN105205443A (zh) 2015-12-30

Similar Documents

Publication Publication Date Title
CN113743471B (zh) 一种驾驶评估方法及其系统
CN105205443B (zh) 一种基于驾驶人眼动特征的交通冲突识别方法
CN105740767A (zh) 一种基于脸部特征的驾驶员路怒症实时识别和预警方法
CN104199822B (zh) 一种识别搜索对应的需求分类的方法和系统
CN104166548B (zh) 基于运动想象脑电数据的深度学习方法
CN110322423A (zh) 一种基于图像融合的多模态图像目标检测方法
CN109017799A (zh) 一种新能源汽车驾驶行为预测方法
CN105183841A (zh) 大数据环境下结合频繁项集和深度学习的推荐方法
CN109147279A (zh) 一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统
Rybarczyk et al. Physiological responses to urban design during bicycling: A naturalistic investigation
CN104035563A (zh) 基于w-pca和无监督ghsom的脑电信号识别方法
CN110025322A (zh) 基于滤波与集成分类器的多模态生理信号情感分类方法
CN105225420A (zh) 基于主成分分析的空中交通管制员疲劳检测方法、装置和系统
CN109710892A (zh) 一种基于冲突极值的道路交通安全评价方法
CN109241534A (zh) 一种基于文本ai学习的考题自动生成方法和装置
CN110775758A (zh) 一种基于轿厢加速度信号解析的电梯运行健康度评价方法
CN106384507A (zh) 基于稀疏检测器的行程时间实时估计方法
CN106264545A (zh) 步伐识别方法及装置
Dobbins et al. Detecting and visualizing context and stress via a fuzzy rule-based system during commuter driving
CN114241458A (zh) 一种基于姿态估计特征融合的驾驶员行为识别方法
Jordan More than a Metaphor: The Passing of the Two Worlds Paradigm in German‐Language Diasporic Literature
CN116401311A (zh) 一种基于gis的三维可视化数据管理系统及方法
CN109214116A (zh) 一种高速动车组头型的辅助设计方法
Youjun et al. Developmentof automobile fault diagnosis expert system based on fault tree—Neural network ensamble
CN104332055B (zh) 一种基于驾驶人瞳孔直径的交通冲突快速识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180619

Termination date: 20190813