-
题名基于RGB-D图像的头部姿态检测
被引量:2
- 1
-
-
作者
刘振宇
关彤
-
机构
沈阳工业大学信息科学与工程学院
-
出处
《计算机科学》
CSCD
北大核心
2019年第S11期334-340,共7页
-
基金
辽宁省2018年自然科学基金(20180520022)资助
-
文摘
在经颅磁刺激治疗过程中,准确且快速地检测人体头部姿态至关重要。针对基于二维彩色图像的头部姿态估计对环境、姿态敏感的问题,文中提出了一种联合彩色图像与深度图像的头部姿态检测方法。通过彩色图像检测人脸特征点的二维位置信息,结合深度信息定义三维头部坐标系;然后在现有的ICP点云配准算法的基础上,提出了一种粗配准方法。通过计算待检测头部点云与标准头部点云之间坐标系的变换关系得到初始位姿参数,以防止点云配准陷入局部最优局面。实验表明,该算法能够在光源均匀且充足的诊疗室环境中准确地检测人体头部姿态,提高头部姿态角度大时姿态估计的鲁棒性。
-
关键词
头部姿态检测
RGB-D图像
人脸特征点
三维头部坐标系
点云配准
-
Keywords
Head posture detection
RGB-D image
Face feature points
Three-dimensional head coordinate system
Point cloud registration
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于MARG传感器的头部姿态解算方法研究
被引量:6
- 2
-
-
作者
李小青
杨亚楠
于鸿彬
吴天山
-
机构
天津工业大学电子与信息工程学院
天津工业大学机械工程学院
-
出处
《电光与控制》
CSCD
北大核心
2019年第5期14-19,共6页
-
基金
国家重点研发计划(2016YFB1102003)
民航科技重大专项(MHRD20140110)
-
文摘
针对头盔显示器(HMD)的头部姿态检测系统中单一传感器进行头部姿态解算准确度低、精度粗略的问题,提出了一种基于MARG传感器的头部姿态解算方法。将互补滤波与PI算法相结合估算陀螺仪的漂移误差,再通过扩展卡尔曼滤波(EKF)实现姿态数据融合。设计了由CC1310、陀螺仪、加速度计和磁强计组成的头部姿态检测单元进行测试实验。与单独的EKF对比,结果表明,这种算法对陀螺仪自身的漂移和加速度计噪声有抑制作用,提高了头部姿态解算的精度和稳定性。
-
关键词
头盔显示器
头部姿态检测
MARG传感器
姿态解算
互补滤波
PI算法
-
Keywords
Helmet-Mounted Display(HMD)
head pose detection
MARG sensor
attitude algorithm
complementary filtering
PI algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于反向双目识别的驾驶员分心检测
被引量:11
- 3
-
-
作者
王冠
李振龙
-
机构
北京工业大学城市交通学院
-
出处
《科学技术与工程》
北大核心
2018年第17期82-88,共7页
-
文摘
为检测分心驾驶状态,研究了基于反向双目的驾驶状态检测方法。首先,根据Hough算法进行车道线检测和识别,计算车辆偏航率;同时采用多点透视算法对驾驶员头部姿态进行估计;然后建立基于高斯隶属度函数模糊判断规则,根据车辆偏航率与驾驶员头部姿态对驾驶员驾驶状态进行识别。最后,采用所建立的驾驶员驾驶状态识别模型,对车道保持、换道行驶及分心行驶三种不同驾驶状态进行测试。结果表明,建立的驾驶员驾驶状态识别模型对上述三种状态检测准确率分别为99.0%、86.7%、80.8%。
-
关键词
分心驾驶
车辆偏航率
头部姿态检测
驾驶状态识别
模糊规则
-
Keywords
distracted driving
vehicle departure rate
head pose estimation
driver behavior recogni-tion model
fuzzy rule
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于多因素融合的驾驶预警方法
被引量:4
- 4
-
-
作者
禹江林
张云
-
机构
昆明理工大学信息工程与自动化学院
云南省计算机技术应用重点实验室
-
出处
《电子测量技术》
北大核心
2021年第11期103-108,共6页
-
基金
国家自然科学基金项目(61262043)
云南省科技计划项目(2011FZ029)资助。
-
文摘
本文提出了一种新的基于多因素融合的驾驶预警方法。首先,结合现有的疲劳评判因素,提出了一种基于多因素的危险评判标准,克服了传统单因素方法的应用的局限及易受外界干扰的缺点。其次,提出了一个基于SSD的检测网络,其中,用先进的MobileNetV3替换了主干网络VGG,用修改的NMS层实现了快速目标检测,最后用新设计的多任务检测器及损失函数实现了多任务检测。在预训练权重的迁移学习后,实测的检测准确率为95.7%,速度为41fps,实现了准确及实时性。
-
关键词
驾驶预警
目标分类
头部姿态检测
PERCLOS值
-
Keywords
driving early warning
object classification
head pose detection
PERCLOS
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-