猫头鹰与蜥蜴：驾驶员注视分类中头部姿态与眼部姿态的模式
计算机视觉与模式识别
2016-11-22 v3 人机交互
机器学习
摘要
在车内准确、鲁棒、廉价的注视跟踪可以通过促进更有效地研究如何改进（1）车辆接口和（2）未来高级驾驶员辅助系统（Advanced Driver Assistance Systems）的设计，来帮助保障驾驶员安全。在本文中，我们利用先前工作中充分开发的方法从单目视频估计头部姿态和眼部姿态，并提出了两个有趣的新问题。第一，与使用仅头部姿态相比，利用头部和眼部姿态对驾驶员注视进行分类能好多少？第二，是否存在个体特定的注视策略，其与加入眼部姿态信息后注视分类的改进程度强相关？我们通过评估来自40名驾驶员的道路研究数据来回答这些问题。本文的主要洞见通过“猫头鹰”和“蜥蜴”的类比传达，该类比描述了在转移注视时眼睛和头部移动的程度。当头部移动很多（“猫头鹰”）时，在头部姿态之上估计眼部姿态并不能获得多少分类改进。另一方面，当头部保持静止而只有眼睛移动（“蜥蜴”）时，加入眼部姿态使分类准确率显著提升。我们刻画了这种准确率在人员、注视策略和注视区域之间的变化。
引用
@article{arxiv.1508.04028,
title = {Owl and Lizard: Patterns of Head Pose and Eye Pose in Driver Gaze Classification},
author = {Lex Fridman and Joonbum Lee and Bryan Reimer and Trent Victor},
journal= {arXiv preprint arXiv:1508.04028},
year = {2016}
}
备注
Accepted for Publication in IET Computer Vision. arXiv admin note: text overlap with arXiv:1507.04760