双视角机器视觉协同监测下的驾驶人使用手机行为识别与预警策略研究

In “Internet Plus” era, driver smartphone use behavior (DSUB) becomes a new type of dangerous driving behavior. Recent research has demonstrated that DSUB could reduce driver’s cognitive ability and operation level. In such cases traffic accident would be induced easily. However, until now there is not an integrated system of DSUB recognition and pre-warning. In this project a cooperative recognition method is proposed based on dual-view image system. First, kinematic models are established for behavior parameters detection from eye movement, head pose, lip movement and hand movement. Discriminant logic is then set up for four kinds of DSUB subdivision behaviors. Second, driver attention area and his/her alert state is recognized by the approaches of image information digging technology, pattern recognition, machine learning and so on. Then the risk of driver stress levels under each DSUB subdivision behavior is evaluated by fusing attention area and alert state. Third, the index set of driver attention area and alert state, which accord with individual behavior characteristics, is updated online and then the stress level evaluation archives is built. Fourthly, the risk level of vehicle running state is evaluated according to the operating parameters including vehicle speed and longitudinal distance. In order to enhance the safety and acceptability of the system, DSUB intelligent pre-warning strategy is proposed by coupling driver stress level and vehicle running state. This project is launched for DSUB recognition and pre-warning technology. The theory and practice achievements could provide technique support to driver assistant system on vehicles.

驾驶人使用手机行为（DSUB）是“互联网+”时代出现的新型危险驾驶行为，研究表明DSUB可导致人的驾驶负荷增加、认知与判断能力降低、车辆操作水平下降，已迅速成为当今交通事故的主要原因之一。目前尚未出现完整的DSUB识别与预警系统。本项目拟采用双视角图像协同识别的方法构建驾驶人头动、眼动、嘴动与手动模型，提出四类DSUB细分行为的判别逻辑；深度挖掘图像信息，运用模式识别、机器学习等方法识别驾驶人注意力区域与警觉状态，评估DSUB细分行为下驾驶人应激水平的风险级别；对注意力区域与警觉状态的指标集合进行在线迭代更新，建立符合个体行为的应激水平评价档案；根据车速、纵向间距等运行参数评估车辆运行状态的风险级别，建立耦合驾驶人应激水平与车辆运行状态的DSUB智能预警策略，提升预警系统的安全度和可接受度。本项目探讨驾驶人使用手机行为识别与预警的理论与实践，为将其应用于辅助驾驶系统提供新的方法和技术支撑。

驾驶人使用手机行为是人类进入“移动互联网+”时代后出现的新型危险驾驶行为，研究表明该行为可导致人的驾驶负荷增加、认知与判断能力降低、车辆操作水平下降，已迅速成为当今交通事故的主要原因之一。 . 本项目运用图像处理、模式识别、深度学习等技术方法，构建自然驾驶条件下驾驶人头部、眼睛、嘴唇、手部等关键图像目标的运动学模型，在此基础上构建驾驶人手持电话行为判别逻辑和使用手机细分行为识别模型；在城市道路跟车模拟实验中研究驾驶人使用手机行为中的头动-眼动特性，建立视觉分心和认知分心识别方法；获取多种打电话任务下车辆纵向冲突参数指标，运用广义线性混合算法建立车辆追尾风险预测模型；探寻驾驶人使用手机细分行为对车速、车头间距及车头时距的影响规律，由此建立纵向碰撞概率模型，进而建立驾驶人跟车时使用手机的自我风险量化补偿方法；针对驾驶人正常驾驶、认知分心和视觉分心建立最优跟车策略模型，通过连续迭代驾驶人分心状态和车辆运行风险级别，建立前向碰撞层级预警方法，满足预警系统的安全度和可接受度。. 本项目所建立的驾驶人使用手机行为识别方法和自适应层级预警策略具有信息感知的完整性、目标辨识的鲁棒性、预警策略的自适应性，契合“移动互联网+”时代驾驶人的行为特性、警觉特性和个体差异性，能够为驾驶人使用手机行为检测和分心状态识别、考虑驾驶人行为特性的自适应碰撞预警系统产品化提供充足的理论基础与技术支撑，对提高车辆主动安全水平、降低交通事故发生具有重要意义，并且能够在驾驶人风险行为监测系统、自动驾驶控制系统、车联网系统、融合“人-车-环境”信息的自适应碰撞预警系统等研究开发领域得到进一步推广应用。