基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法

摘要

基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法，属于典型密度聚类方法和数学形态学聚类方法的聚类方法领域。包括：提出密度方法与数学形态学方法相结合的自适应DBSCAN‑MMC方法；将方法用于驾驶员注视点聚类；首先使用注视点结构参数设置Eps的取值；通过DBSCAN得到MMC聚类的初始点集并确定聚类数目；使用自适应的MMC聚类减少DBSCAN聚类产生的离群点，并最终完成面向驾驶员注视区域的聚类。本发明充分利用了DBSCAN和MMC的不规则形状聚类优势并较好地弥补了两种聚类方法的缺陷，在进行驾驶员注视区域划分时聚类效果优于常规DBSCAN聚类方法和MMC聚类方法，提高了驾驶员注视点聚类质量。

主权项

基于密度聚类法和形态学聚类法的驾驶员注视点聚类方法，其特征是：步骤一、数据采集，使用Smart Eye眼动仪采集驾驶员眼动数据，处理眼动仪向量形式数据得到驾驶员注视视线到其前方1m处铅直平面的投影，并以驾驶员正前方视线投影为原点建立坐标系，作为原始数据Gaze_ori；步骤二、参数设置，使用注视点结构参数Eps，设置Eps的取值，设注视点在注视区域内均匀分布，则以每一注视点为圆心的圆直径，即为DBSCAN典型密度聚类方法的邻域搜索半径，按式(1)求得Eps，设置DBSCAN邻域最少对象数MinPts＝3$Eps=\sqrt{\frac{l\times h}{c_g}}---\left(1\right)$式中l为注视区域长度、h为注视区域高度、c_g为注视点数量，设置圆形结构元初始半径r_ori，半径扩展步长r_st，结构元半径上限r_up，其中r_ori＝Eps/2  r_st＝Eps/10  r_up＝5×Eps步骤三、确定注视集中区，对注视点Gaze_ori数据进行基于DBSCAN的聚类，通过DBSCAN确定初始注视点集Gaze_con，注视点集核心对象Gaze_con即为驾驶员注视集中的区域，划归类的数目k作为最终聚类数目，生成注视集中区Gaze_con；步骤四、初始形态学聚类，以注视集中区Gaze_con为初始点Gaze_MMC，进行圆形结构元半径r＝r_ori的形态学膨胀，生成连通区所包含的初始注视点簇Gaze₁，记录已被划归入连通区的注视点数量Cint₁；步骤五、形态学计算，以第n‑1次计算所得注视点簇Gaze_n‑1为第n次MMC的初始点，进行圆形结构元半径为r的形态学膨胀，将连通区中离群点划归为该区域，生成连通区注视点簇Gaze_n，记录已被划归入连通区的注视点数量Cint_n；步骤六、过程迭代，判断第n次计算中是否有被划归入连通区的注视点，若Cint_n‑Cint_n‑1＞0，则n＝n+1，r＝r_ori，转至步骤三确定注视集中区，若Cint_n‑Cint_n‑1＝0，且r＜r_up，则r＝r+r_st，n＝n+1，转至步骤三确定注视集中区，若Cint_n‑Cint_n‑1＝0，且r≥r_up，继续步骤五形态学计算；步骤七、迭代终止与结果输出，将第n次形态学聚类生成的每个连通区I_i，即i＝1,2,…,k中包含的点划归为对应点集，生成最终簇GazeT_i其中GazeT_i＝Gaze_n,i，将未被划归入聚类区域的点单独归为一簇，最终生成k+1个簇，每一簇即为一个注视区域，完成注视区域的聚类。