汽车作为人类生活中最常用的交通工具,始终保持旺盛的刚性需求。它给人们的日常生活带来了很多便利,但也增加了交通事故的发生率。通过分析交通事故,驾驶员的坏习惯和不良状态是最主要的因素。如果能够提前预测判断出驾驶员的行为,感知分析出驾驶员的不良状态,并及时做出预警、让车辆自动减速并亮起警示灯,可以有效地减少交通事故的发生。因此,研究可靠且有效的驾驶状态检测技术,做到防患于未然,是十分有意义的。本文针对驾驶状态检测问题,分析了目前国内外相关领域的各类方法,总结其优势与不足。在此基础上,从人体姿态估计和眼球关注度两方面入手,主要内容包括以下几部分:1.基于单目摄像头的人体三维姿态估计。利用单目摄像头获取图像,提取二维图像上人体的特征,并将其组合形成人体轮廓。同时在三维空间中建立的人体模型,并投影在二维平面上,即人体模型投影。然后比较人体轮廓和人体模型投影的相似性,建立代价函数。通过最小化代价函数使3D模型实时地跟踪二维图像,从而估计人体全身与上半身的姿态。2.优化三维姿态估计。针对车内环境特殊性,提出了通过修正模型的初始状态,应对车内摄像头斜视角的问题;根据不同状况设置阈值分类,解决了驾驶员衣着因素的影响;定义误差修正函数,避免使用方向盘时双手交错的情况;使用生成对抗网络优化图像,使算法在昏暗环境下依然适用。3.视线追踪及表情估计。基于Real Sense建立三维眼球模型,并提出将整个视线追踪过程分为静态和动态两个部分,对于动态视线追踪,建立了头部三维模型,通过其姿态角来判断视线大致方向。对于静态视线追踪,则是将视线区域划分为8个方向,通过眼球中心点与眼睛中心点的差分角来判断视线区域。4.脸部姿态估计。利用Real Sense获取脸部78个三维特征点位置,通过多个特征点的三维坐标和姿态角的组合,建立了10种不同的脸部姿态,并设计了与其相应的代价函数,完成10类面部行为的识别。5.驾驶员行为识别。本文首先将驾驶行为分为显性和隐性两类,针对显性的行为,通过文中算法直接进行识别;针对隐性的行为,设计了相关的判断流程和代价函数,并结合多种显性行为来进行判断。6.驾驶员状态判断。本文首先将驾驶状态定义为正常,异常,危险三个等级,然后基于不同的驾驶行为和对应的持续时长或发生次数,最后综合判定驾驶员的状态。