摘要
驾驶人的视觉感知特性是影响驾驶行为和安全的重要因素，了解驾驶人在不同道路环境下的视觉信息感知规律，对于提高驾驶人的主动安全和主观舒适度，以及设计更合理的智能辅助系统，具有重要的理论和实际意义。因此，本论文围绕驾驶人视觉感知特性展开研究，主要研究内容如下： (1)构建驾驶人视觉感知数据集。利用眼动仪、相机等设备，在不同道路环境（如城市道路、高速公路、乡村道路等）和任务场景（如直行、转弯、变道等）下，采集大量真实场景图像数据，并通过视觉方向估计技术，获取驾驶人在每一帧图像中的注视点坐标，从而得到包含多模态信息（如交通场景视频、交通要素语义标签、驾驶人注视点等）的数据集。 (2)构建基于深度学习的驾驶人视觉感知模型。基于驾驶人视觉感知数据集，设计并训练一个基于深度学习的端到端模型，该模型以交通场景视频为输入，输出一个概率分布图，表示每个像素点被注视的概率。该模型综合考虑了交通场景中各种交通要素，如车辆、行人、车道线、交通标志等以及这些要素的动态信息和时空特性对驾驶人视觉注意力的影响。 (3)驾驶人视觉感知特性实验验证及分析。利用眼动仪和相机等设备，在不同道路环境和任务场景下，对30名被试人员进行实验测试，并记录他们在每一帧图像中的真实注视点坐标。然后将真实注视点坐标与模型输出的概率分布图进行对比，计算各种评价指标（如准确率、召回率、F1值等），评估模型在不同条件下的泛化能力和预测效果。
NETL