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
【专利摘要】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。
【专利说明】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
【技术领域】
[0001]本发明属于典型密度聚类方法DBSCAN (DensityBasedSpatialClustering ofApplicationswithNoise),数学形态学聚类方法(MathematicalMorphologyClustering, MMC)的聚类方法领域，特别是涉及到一种交通工程学中的驾驶员视觉行为领域和分类学中的聚类领域。
【背景技术】
[0002]使用聚类方法进行驾驶员注视区域划分可克服传统注视区域划分主观性大的缺点，有助于寻找驾驶员视觉规律，从而提高驾驶员状态监测和驾驶行为预测的准确性。但驾驶员注视点分布有不规则、较离散的特点，而常规基于距离的聚类方法有仅对“类圆形”数据聚类效果较好、聚类边界较生硬等缺陷。因此，寻求合理有效的聚类方法成为提高注视区域划分精度和提高划分智能化程度的关键问题。
[0003]在聚类领域，基于密度和基于数学形态学聚类方法可进行不规则形状数据的聚类。其中 DBSCAN(DensityBasedSpatialClusteringofApplicationswith Noise)算法为基于密度的典型聚类方法，其中心思想为:若一个点簇可由其中的任何核心对象唯一确定，对于某一点簇中的对象，给定半径Eps的邻域内数据对象个数必须大于给定值MinPts ;数学形态学聚类(MathematicalMorphology Clustering,MMC)将用于图像处理的方法引入聚类分析，其首先将矢量空间数据转换为栅格，循环使用由小到大的结构元进行闭运算连接相邻目标，经运算处于同一连通区域的目标划归为一类。
[0004]国内外学者已对典型密度聚类方法DBSCAN和形态学聚类方法MMC进行了研究并取得了一些成果。但是，在DBSCAN算法中仍存在参数值Eps的选取对聚类结果影响较大、改进的DBSCAN算法时间复杂度提高的问题；在MMC中则尚存在需大量人工干预的缺陷。单纯使用DBSCAN或MMC方法会出现离群点划分过多、聚类系统自动化程度低下的问题。
[0005]因此针对现有技术当中存在的诸多不足之处，本领域亟需要一种新的技术方案来解决这一问题。
【发明内容】
[0006]本发明所要解决的技术问题是:针对常规基于距离的聚类方法对分布不规则、较离散的非“类圆形”驾驶员注视点数据聚类效果较差、聚类边界较生硬等缺陷，而可生成任意形状点簇的典型密度聚类DBSCAN其聚类效果受参数取值影响较大，数学形态学聚类需大量人工干预的问题，提出了将DBSCAN与改进的MMC相结合的DBSCAN-MMC聚类方法，以实现驾驶员注视点的自动、有效聚类。
[0007]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:
[0008]步骤一、数据采集，使用SmartEye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Im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Gazemi ；[0009]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
[0010]
【权利要求】
1.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SmartEye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Im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Gazemi ； 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
2.根据权利要求1所述的可视免拆解三元催化器清洗方法的清洗装置，其特征是:所述的步骤一中，关于数据采集，使用SmartEye眼动仪采集驾驶员进行直线、左转、右转三种驾驶行为时的眼动数据。
3.根据权利要求1所述的可视免拆解三元催化器清洗方法的清洗装置，其特征是:所述的步骤六中采用数学形态学聚类方法MathematicalMorphology Clustering,其缩写为MMC,在约束条件下以设定步长进行MMC计算直到满足终止要求，实现自适应的MMC聚类 判断第η次计算中是否有被划归入连通区的注视点， 若Cintn-Cintlri > O,贝丨J n = n+1, r = rOTi,进行数学形态学膨胀， 若 Cintn-Cintlri = O,且;r < rup,则 r = r+rst, n = n+1,进行数学形态学膨胀，若Cintn-Cintl ri = O,且r≥rup,终止膨胀运算。
【文档编号】G06T7/00GK103903276SQ201410166391
【公开日】2014年7月2日 申请日期:2014年4月23日 优先权日:2014年4月23日
【发明者】李世武, 徐艺, 王琳虹, 杨志发, 孙文财, 张景海, 周茹波, 郭梦竹, 杨良坤, 于晓东 申请人:吉林大学