文献

J-GLOBAL ID：201702242690437527   整理番号：17A0096026

運転者の注意分散の画像検出と階層的警告【JST・京大機械翻訳】

Driver Attention Distraction Detection and Hierarchical Prewarning Based on Machine Vision

著者 (6件)： Cheng Wendong (School of Automobile, Chang’an University) ,  Fu Rui (School of Automobile, Chang’an University) ,  Yuan Wei (School of Automobile, Chang’an University) ,  Liu Zhuofan (School of Automobile, Chang’an University) ,  Zhang Mingfang (School of Automobile, Chang’an University) ,  Liu Tong (School of Automobile, Chang’an University)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 28  号： 8  ページ： 1287-1296  発行年： 2016年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在の運転者の注意分散(DAD)画像検出の研究において、目、口唇などの目標は照明とオクルージョンの妨害を受けやすく、頭部姿勢モデルのロバスト性と正確性が保証しにくい問題に対して、鼻孔画像識別に基づく注意領域識別方法とDADレベル警告を提案した。まず第一に,BF-SSR照明に基づくADABOOST-肌色モデルを,顔の領域を認識するために確立して,それは,色,面積,および真円度のクラスタ化特性によって,鼻孔を検出し,次に,画像とに姿勢モデルを確立する。パラメータの初期値問題を解決した。第二に,特徴点集合として頭部のヨー角,ピッチ角および鼻孔中心座標のオフセットを定義して,注意領域のSVM分類モデルを確立した。最終的に,注意の偏差の比率,分配比率,および偏差の必要性に従って,DAD分類の早期警報を確立する。実験結果により,提案方法は,照明,眼鏡および頭部運動に対するロバスト性を持ち,そして,頭部のヨーおよびピッチ姿勢の平均誤差は,5.5°および4.9°であり,そして,SVMの精度は,85.8%であり,そして,DAD警報精度は,85.4%であった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *警報 ,  初期値問題 ,  画像認識 ,  真円度 ,  オクルージョン ,  クラスタ化 ,  ロバスト性 ,  照明 ,  *画像
準シソーラス用語： 頭部運動 ,  SVM分類 ,  点集合 ,  肌色 ,  鼻孔 ,  *画像センシング , 【Automatic Indexing@JST】

著者キーワード (4件)： driver attention distraction ,  driver assistance system ,  machine vision ,  hierarchical prewarning

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 注意 ,  画像検出 ,  警告