基于注视兴趣区域聚类和转移的群体扫视路径生成

为解决自然场景下群体观察者扫视路径数据冗余繁乱、缺乏表征的问题,通过挖掘个体路径的潜在特性,提出了一种基于注视兴趣区域(ROI)时空聚类和转移的群体扫视路径生成方法。首先,分析同一刺激样本下多名观察者的扫视路径,利用亲和力传播聚类算法来聚类注视点以生成多个注视兴趣区域;其次,统计分析兴趣区域的观察者数量、注视频率以及注视时长等与注视强度相关的信息并筛选兴趣区域;然后,通过定义兴趣区域中的注视行为提取不同类型的兴趣子区域;最后,提出了基于注视优先度的兴趣区域和兴趣子区域转移模式,从而生成自然场景下的群体扫视路径。在MIT1003和OSIE公共数据集上进行群体扫视路径生成实验,结果表明,与目前先进的eMine、扫视路径趋势分析(STA)、序列模式挖掘算法(SPAM)、基于候选约束的动态时间规整质心平均方法(CDBA)和Heuristic方法相比,所提方法生成的群体扫视路径获得了较高的整体相似度,ScanMatch(w/o duration)分别可达0.426和0.467,ScanMatch(w/duration)分别可达0.404和0.439。可见该所生成的扫视路径与真实扫视路径的整体相似度较高,具有一定表征作用。

不同能见度及信息量对驾驶人视觉特性影响

为探究不同能见度及信息量条件下驾驶人的视觉特性,以城市主干路为模型基础,分别建立不同能见度及信息量条件的模拟驾驶场景。选取21名驾驶人参与试验,运用模拟驾驶试验的方式采集数据,分析不同能见度及信息量条件下驾驶人注视时长、扫视百分比和瞳孔直径变化规律;通过动态分类法对驾驶人视野区域进行划分,应用马尔科夫链计算驾驶人在不同能见度及信息量条件下注视点在各区域间的一步转移概率和平稳分布概率。结果表明:能见度较好时交通标志信息量是影响驾驶人视觉特性的主要因素,在I3条件下驾驶人能够迅速判别道路交通环境中的重点信息;当能见度较差时驾驶人的观察区域由道路远处向近处转移,无法及时搜索远处的潜在威胁,不利于行车安全。