头条推荐：智能座舱测试工程师系列文章五：交互技术之隐 ...

guozhiwei · 发表于 2022-5-9 16:36:09

　　当前汽车从按键交互跨越到了车载显示交互，未来传统车载显示器预计将扩展到具有多模式界面的图形用户界面 (GUI) 显示器，如我们之前文章所诉配备了多种传感技术包括听觉、触觉/触觉、手势、可穿戴传感器、和 AR/VR /混合现实 (MR) 技术，以确保准确预测车内交互。此外，驾驶员或乘客监控对于交互至关重要。车载交互系统需要估计和推断驾驶员/用户的动作、疲劳或困倦等状态、驾驶员的认知状态以及用户的情绪。DV测试一直是行业的佼佼者，在业内好评如潮，备受大众所青睐。

　　这个汽车和手机行业是类似，手机1.0时代按键交互，手机2.0时代大屏交互但总体来讲都是显性交互，当代手机配合穿戴设备开启了多传感器隐性和显性交互新时代。

　　我们先开始讲隐式交互智，能汽车识别驾驶员和乘客的行为和活动对车载交互系统和安全功能具有深远的影响。如果正确分类了驾驶员的意图，则可以在每个时刻将人机交互引导到最合适的模态（视觉/听觉/触觉）。

　　汽车不简单是一个让你从A移动到B的工具，而是变成懂人类，能与人类互动的智能设备，车内交互可以提高驾驶员的情境意识、信任、舒适性、更好的用户体验以及可用性和安全性。

　　本文讲大抵介绍隐式交互的三部分：

　　- 与安全直接相关的疲劳和分心识别，通过现有驾驶员检测和车辆动态状态传感器配合AI算法交互

　　- 情绪识别，通过生理传感器配合AI算法

　　- 姿态识别，通过视觉传感器配合AI 算法，触觉传感器希望能给大家一些信息和启发

　　一、疲劳和分心识别

　　驾驶员分心是道路事故的主要原因之一，美国国家公路交通安全管理局 (NHTSA) 估计高达 25% 的道路事故是由于某种形式的驾驶员分心而发生的。分心和疲劳是导致驾驶事故的驾驶员注意力不集中的两种常见形式。先前的工作已经确定了分心类型的各种区别，例如在路上用手（手动）、眼睛（视觉）和/或头脑（认知）执行第二或第三任务。虽然这些是分心的主要来源，但也可能有其他输入，例如导致分心的听觉刺激。为了检测驾驶员分心，第3节讨论了各种传感技术 . 我们讨论了使用不同传感技术所采用的相关方法和算法，并在本节中讨论了融合一种或多种传感信息的方法。

　　车辆 IMU、GPS 和外部摄像头等外部传感器可用于推断驾驶行为和不稳定驾驶模式，这可能意味着分心。车速是一项至关重要的测量，在推断干扰时必须与其他传感器测量一起使用。具有 YOLOv4 和 Faster R-CNN等架构的深度神经网络 (DNN)已与外部摄像头一起用于检测交通中的其他车辆和行人以及路标。方向盘传感器还提供驾驶员分心的间接指示。当驾驶员分心时，错误会增加。相比之下，诸如立体摄像头、红外摄像头、ToF 传感器和 RGB-D 传感器等内部视觉传感器已被广泛用于识别驾驶员和乘客的活动、意图和行为。已经比较了用于检测驾驶员分心的最先进的神经网络架构，例如 VGG、AlexNet、GoogleNet 和 ResNet，并且 ResNet 架构似乎优于其他竞争策略。

　　二、情绪识别

　　情绪识别对于决策、沟通、一般情绪、动机甚至驾驶的日常功能至关重要。情绪识别是一个复杂的研究领域，需要使用生理传感器和受控研究，从而增加了车载驾驶员情绪识别的复杂性。情绪识别还可以帮助检测已在第上节中讨论的驾驶员分心和疲劳，但也可以引出有关驾驶员行为的更多信息，并有助于实现理解驾驶员并做出响应的智能车辆的目标。

　　驾驶员的情绪状态也可以通过驾驶员的情绪状态来推断，例如当驾驶员高兴或生气时，方向盘上的握力会发生变化。为了确定检测挫折的最佳框架，对五种不同的监督学习算法及其组合（贝叶斯神经网络 [BNN]、SVM、高斯混合模型 [GMM]、多项回归 [MNR] 和 GMM + SVM）进行了比较。结果表明，SVM 和 MNR 在从驾驶员坐姿检测挫败感的任务中表现最好。

　　三、姿态识别

　　对于交互、安全和分析驾驶员或乘客的活动，跟踪身体部位和身体运动学（例如头部姿势、身体姿势、手、脚和躯干的位置、婴儿的存在等）至关重要。从驾驶的人体工程学角度来看，驾驶员姿势监测也很重要。研究表明，在长途驾驶中，不良姿势会导致驾驶员不适。因此，除了前面讨论的关于活动、情绪和分心检测的部分之外，还要单独分析姿势识别。

　　如上图 6a所示，头部姿势估计和跟踪对于各种用例至关重要，例如驾驶员监控、分心检测、凝视检测、头戴式设备校准等。模板匹配方法已被证明可用于头部姿势估计和跟踪。使用 RGB 图像上的特征提取技术检测头部区域，然后将其与训练数据中的示例头部图像进行匹配。示例图像的姿势是估计的头部姿势。

　　除了视觉传感器，触觉传感器（如力传感器阵列、触觉传感器皮肤和接近传感器）也已用于身体姿势和头部姿势估计，如图 6b、d所示。正如智能座舱系列文三- 它背后的5种交互技术之触觉。具有电容式接近传感器的传感头枕已被用于头部姿势估计和头枕伺服，其中头枕可以使用基于非参数神经网络的方法根据用户头部的移动而移动。其他作品展示了传感器，例如嵌入头枕中用于头部姿势估计的超声波传感器。然而，为了稳健地估计身体和头部姿势，触觉传感器需要以多模式方式与视觉传感器相结合。

　　总结隐式交互在智能驾驶舱方面，应该属于刚刚萌芽的阶段，他关系到了各种传感器的应用，有当前激光和雷达产业（了解激光雷达通过广州车展-看自动驾驶激光雷达），有视觉摄像头产业，也有穿戴生理传感设备产业方面。属于一个很大的市场，当然这些背后同样少不了AI 人工智能的支持，这个和智能驾驶类似。

　　CAR路里大学堂特推出智能座舱功能测试工程师线上培训培训课程，课程分为线上课程和线下课程两部分，线上课程在5月8日正式开课，线下实操课程定在6月份开课，下图附线上大纲：（培训合格推荐就业），有感兴趣的朋友可以联系我们，咨询这套课程；

　　CAR路里大学堂是汽车技术、知识在线传播打造领导者。公司总部及研发基地设立于中国上海国际汽车城。为汽车技术人员的在线学习大学。为汽车及相关企业的工程师、高校相关大学生及广大汽车技术爱好者提供包括技术研发、生产制造、流程体系等全方位的知识库、培训课程。

　　CAR路里大学堂汇集业界精英、荟萃国内外先进技术，为汽车工程师们提供紧跟时代、全技术链的培训方案。是汽车技术、知识的圣地，人才成长的第二大学。聘请汽车行业具有实战经验的一线资深工程师，出身名校&名企，亲身授课，理论与实践紧密结合。带你学习“真功夫”，“掌握核心科技”.

　　参考文章

　　智能座舱技术 - Prajval Kumar Murali, Mohsen Kaboli,* and Ravinder Dahiya*

　　华夏EV网

　　来源：网络，如有侵权请联系我们

　　