来源：期刊VIP网 时间：
作者：赵栓峰;李小雨;罗志健;唐增辉;王梦维;王力;
单位：西安科技大学机械工程学院;
摘要：驾驶人视觉注意力的深入研究对于预测不安全驾驶行为和理解驾驶行为具有重要意义。为此，提出一种基于视频图像驱动的驾驶人注意力估计方法，以估计驾驶人在行车时注意到视域内的行人或车辆等各种对象。该方法利用深度神经网络学习交通场景视频与驾驶员注意力特征之间的映射关系，并融入引导学习模块来提取与驾驶员注意力最相关的特征。考虑到驾驶的动态性，使用动态交通场景视频作为模型输入，设计时空特征提取模块。在稀疏、密集、低照度等常见的交通场景中，将估计的驾驶员注意力模型与收集的驾驶员注意力数据点进行对比。实验结果表明，所提方法能够准确估计驾驶员在驾驶过程中的注意力，对于预测不安全驾驶行为以及促进人们更好地理解驾驶行为具有重要的理论和实用价值。
关键词：驾驶人注意力估计;;深度学习;;视频图像驱动;;引导学习;;动态交通场景;;时空特征提取
基金资助：陕西省重点研发计划项目（2020ZDLGY04-06）;; 陕西省秦创原“科学家+工程师”队伍建设项目（2023KXJ-249）
