随着车载娱乐装置与通讯系统的快速发展,驾驶员在驾驶过程中的注意力受到越来越多的干扰,由此引发的交通事故逐渐增多,为了解决该问题,本文对驾驶员的视线区域进行了相关研究。针对现有实验室环境中的视线估计系统光照条件单一、测试行为与真实驾驶行为相差较大的问题,本文设计了一种新的融合头部特征和眼睛特征的驾驶员视线区域估计系统,并通过真实的驾驶环境图像对系统进行了有效性测试。本文的主要研究内容如下所述:为了能提取驾驶员的头部和眼睛特征,本文首先根据驾驶员的实际驾驶环境给出了驾驶员面部图像定位和面部特征点定位的方法:即先使用Harr-like模板检测其面部纹理特征,再通过级联的强分类器完成面部区域的定位工作,针对多人乘车时驾驶室图像中可能检测到多个人脸区域的问题,本文通过人脸图像中心与主驾驶座头枕的相对位置关系给出了确定驾驶员面部图像的算法流程;根据ERT完成面部特征点的检测工作,再根据数据集图像和真实的驾驶图像验证了特征点检测算法的有效性。本文通过驾驶员头部特征完成其闭眼时刻视线区域的粗略估计:首先通过统计的方法分析得出驾驶员驾驶过程中面部中心点的常用区域,再根据面部中心点在此区域的相对位置来对驾驶员的身高、驾驶姿态进行简单地初步估计;本文放弃使用POSIT算法完成驾驶员头部姿态估计的任务,转而通过深度卷积网络来完成本实验,去除了相机内部参数对实验的影响,并通过相关的公共数据集对网络的预测效果进行了评估。为了得到精确视线方向,论文提取了实验相关的眼睛特征:首先根据面部特征点得到其眼睛区域图像;然后通过SVM检测眼睛状态,若处于闭眼状态,系统便不再提取其眼睛特征;本文先通过滑动模板及图像积分投影曲线的方法获得驾驶员瞳孔的初步位置,并在此基础上通过LBF级联的方法得到了驾驶员瞳孔的精确位置;在得到驾驶员瞳孔的精确位置之后,先通过瞳孔在眼睛区域图像中的相对位置提取了驾驶员的单目特征,然后通过聚类提取其双目特征。为了验证所提算法在真实驾驶环境中的准确率,本文建立了真实驾驶环境中的驾驶员的视线区域估计数据集,并通过对比试验证明:本文提出的驾驶员视线区域估计系统在驾驶员常用的视线区域上都取得了较高的准确率,可以满足真实自然光照条件下驾驶员的视线估计需要。