科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前监测驾驶员视线区域的算法通常采用深度学习端模型直接对图像特征分类，此方法依赖固定座舱视角下采集的驾驶员视线区域数据，但由于驾驶员外形特征差异、坐姿习惯差异和摄像头安装位置差异的影响，难以获取大量且全面的数据，导致分类精度降低的问题，如何仅采用小样本数据集提升视线区域识别精度成为难题。本文将基于半监督学习理论设计一种自适应的视线区域标定方法。首先采用L2CS模型回归小样本数据中驾驶员视线角度二维向量，再通过统计分析挖掘驾驶员视线角度和视线区域映射的泛化先验知识，利用该知识进行视线区域标定，剔除非待检区域的无效视线落点，并以滑动窗口方式完成针对驾驶员个人的视线区域精细化分类。经试验证明，该方法解决了端模型数据跨域能力低下的问题，准确率和召回率分别提升22.4%和10.3%,且标定结果具有自适应修复能力。
- 单位
