青藏高原布格重力异常匹配滤波分析及其构造意义

利用匹配滤波的方法处理了青藏高原布格重力异常数据。基于重力异常一阶垂直导数的径向平均对数能谱曲线,青藏高原布格重力异常场可分为三层异常场。其中龙木错—双湖构造带在中部重力异常场和深部重力异常场图中都有显现;革吉—改则—错勤—申扎隐伏断裂在浅部和中部重力异常场中都存在。另一个明显的特征是藏北都显示有巨大且平缓的低重力异常圈闭,这与藏北Pn波速较低和Sn波缺失的特征吻合;在藏南存在一系列近东西向展布的重力异常断块。

基于轻量型空间特征编码网络的驾驶人注视区域估计算法

实时监测驾驶人注视区有助于人机共驾汽车理解并判断驾驶人的意图。针对车载环境下算法精度和实时性难以平衡的问题,提出了一种基于轻量型空间特征编码网络(lightweight spatial feature encoding network, LSFENet)的驾驶人注视区估计算法。通过人脸对齐和眼镜移除步骤对采集的驾驶人上半身图像序列进行预处理,得到左右眼图像和人脸关键点坐标;在MobileNetV2的基础上构建基于GCSbottleneck模块的LSFENet特征提取网络,集成注意力机制模块增强关键特征权重,生成左右两眼特征;利用Kronecker积融合眼部与人脸关键点特征,将连续帧图像融合后的特征输入循环神经网络中,得到该图像序列的注视区域估计结果;利用公开数据集和自制数据集对新算法进行测试。实验结果表明:LSFENet算法的注视区估计准确率可达97.08%,每秒能检测约103帧图像,满足车载环境下运算效率和精度需求;LSFENet算法对注视区1、 2、 3、 4、 9的估计准确率均在85%以上,且对不同光照条件和眼镜遮挡情况均具有较强的适应能力。研究结果对驾驶人视觉分心状态识别具有重要意义。

基于车载语音交互方式下的驾驶员注视特性分析

为了明确车载语音交互方式下驾驶员的注视特性,采用Tobii Glasses眼动仪采集了真实城市道路环境下多位驾驶员的眼动数据,通过注视热点图算法,构建注视热点叠加图,对比分析了不同交互方式下驾驶员的注视分布规律。研究表明:车载语音交互方式下,驾驶员注视分布主要集中于前方道路区域,其注视比例均在88%以上;驾驶员对前方道路区域的注视比例都高于手机操作方式下的注视区域,驾驶员对手机区域的注视比例都小于手机操作方式下的注视区域。研究结果既能帮助驾驶员直观地了解行车时操作手机的危害,也能为驾驶员明确车载语音交互方式提供驾驶安全性的理论支撑。