基于注视集中度的驾驶员非注意状态检测研究

Road accidents are one of the major causes of injury and death in the world, which contributed more than 1.2 million fatalities every year. Research has shown that over 70% road accidents were correlated with drivers’ states of attention failure, which drove driver state detection to a popular research topic in recent years. However, the majority of current research has focused on the detection of drivers’ fatigue state based on recognizing fatigue-induced face features. Research on drivers’ attention features and other attention failure states, like distraction and mind wandering are fairly lack. Based on the generalized theoretical framework of Driver Inattention, this project will summarize typical driver attention failure states to be new forms as Driver Restricted Attention and Driver Diverted Attention, and attempt to construct a new driver state detection method based on Gaze Concentration (a potential measurement of driver attention); then achieve the goal of monitoring drivers’ attention change, predicting potential hazard and alerting drivers in real-time. Through theoretical modeling and an on-road driving experiment, this project will study following topics in details: (1) the impact of human factors and road environment factors on drivers’ gaze center distribution; (2) the pattern of gaze concentration change by drivers’ attention change; (3) the sensitivity of different measuring methods of gaze concentration; (4) the construction of driver inattention state detection method based on gaze concentration and its validity examination. The expected findings of this project will fill existing research gaps to some extent, provide theoretical reference of developing driver state monitoring technology and equipment to industry, and improve China’s road traffic safety.

道路交通事故是全球伤亡的主要原因之一，每年逾120万人因此丧生。研究表明70%以上的事故与驾驶员注意失效状态有关，因此对驾驶员状态的检测研究得到了广泛关注。然而，已有研究多关注基于面部特征的疲劳检测，缺乏对注意力特征和对注意力分散、思维漫游等其他状态的研究。本项目基于广义驾驶员非注意理论，将常见注意失效状态归纳为注意受限、注意转移等新形式，尝试构建一种基于注视集中度（反映注意力的潜在指标）的驾驶员状态检测新方法，以达到实时监测驾驶员注意力变化并及时对危险状态预警的目的。项目将通过理论建模与实路驾驶实验展开以下研究：（1）人与道路环境因素对注视中心分布的影响；（2）注视集中度随注意力水平变化的规律；（3）注视集中度测量方法的灵敏性；（4）以注视集中度为核心的非注意状态检测方法及其有效性验证。研究结果将在一定程度上填补现有研究的空白，为工业界提供相关技术及仪器开发参考，促进我国的道路交通安全。

道路交通事故是全球伤亡的主要原因之一，每年逾120万人因此丧生。研究表明70%以上的事故与驾驶员注意失效状态有关，因此对驾驶员状态的检测研究得到了广泛关注。然而，已有研究多关注基于面部特征的疲劳检测，缺乏对注意力特征和对注意力分散、思维漫游等其他状态的研究。本项目初期基于广义驾驶员非注意理论，将常见注意失效状态归纳为注意受限、注意转移等新形式，构建了一种基于注视集中度（反映注意力的潜在指标，经项目探索最终选择以横向注视分布范围为代表性指标）的驾驶员状态检测新方法，以达到实时监测驾驶人注意力变化并及时对危险状态预警的目的；而在项目中后期，考虑到驾驶辅助技术与自动驾驶技术近年来突飞猛进的发展，驾驶人非注意状态检测的应用情境必将发生变化，因此增加了针对新型车载人机交互工具和自动驾驶方面的驾驶人注意力状态研究。最终，项目通过理论建模、研究工具开发，以及驾驶仿真实验主要展开了以下五个方面的研究：（1）驾驶人道路注视分布与注视集中度指标灵敏性分析；（2）以注视集中度为核心的多源融合驾驶人非注意状态检测方法建模及有效性验证；（3）新型人机交互及事故易发场景下的典型驾驶人非注意状态研究；（4）面向驾驶人注意力测试与HMI分心评估的实验工具集开发；（5）考虑驾驶人注意状态的自动驾驶汽车人机控制模式切换过程研究。其中，研究内容（1）和（2）确立了以驾驶人横向注视分布范围为核心的多源融合非注意状态检测方法，可在认知注意力分散发生后平均6.5秒至9秒识别，准确率约90%以上；而研究内容（3）、（4）、（5）则为未来智能交通迅速发展状态下考虑驾驶人非注意状态的汽车人机交互工具与自动驾驶技术开发提供了重要的理论与实践参考。

内容获取失败，请点击重试