面向驾驶员注视区域划分的DBSCAN-MMC方法
发布时间：2020-05-17 02:39
【摘要】：针对典型密度聚类(DBSCAN)受参数影响较大和数学形态学聚类(MMC)需大量人工干预的问题,将DBSCAN与改进的MMC相结合,提出面向驾驶员注视点离散、注视集中区域不规则特点的DBSCAN-MMC聚类方法.实例验证结果表明,该方法充分利用DBSCAN和MMC的不规则形状聚类优势并较好地弥补2种聚类方法的缺陷.通过比较证明DBSCAN-MMC在进行驾驶员注视区域划分时聚类效果优于常规K-means聚类方法和DBSCAN聚类方法,提高驾驶员注视区域划分质量.
【图文】：
２．２ＤＢＳＣＡＮ－ＭＭＣ方法步骤为解决上述问题，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．方法首先使用结构参数设置ｒＥ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划分．具体步骤如下．１）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（如图１所示）即为ＤＢ－ＳＣＡＮ的邻域搜索半径，按式（１）求得ｒＥ，设置ＤＢ－ＳＣＡＮ邻域最少对象数ＭＰ＝３．根据邻域搜索半径，设置圆形结构元初始半径ｒｏｒｉ＝ｒＥ／２，设置较小的半径扩展步长和结构元半径上限以降低相近区域的边界划分生硬的概率，即半径扩展步长ｒｓｔ＝ｒＥ／１０，结构元半径上限ｒｕｐ＝５ｒＥ．ｒＥ＝ｌ·ｈi幔悖纾ǎ保┦街校海煳⑹忧虺ざ龋栉⑹忧蚋叨龋悖缥⑹拥闶浚迹彼阉靼刖妒疽馔迹疲椋纾保樱悖瑁澹恚幔簦椋悖洌椋幔纾颍幔恚铮妫螅澹幔颍悖瑁颍幔洌椋酰螅玻┒宰⑹拥闶荩牵铮颍榻谢冢模拢樱茫粒蔚木劾啵诵亩韵螅牵悖铮罴次菔辉弊⑹蛹械那颍槔嗟氖浚胱魑钪站劾嗍浚唬常┮宰⑹蛹星牵悖铮钗跏嫉悖牵停停媒性残谓峁乖刖叮颍剑颍铮颍榈男翁蛘停闪ㄇ某跏甲⑹拥愦兀牵保锹家驯换槿肓ㄇ淖⑹拥闶浚茫保唬矗┮缘冢睿贝渭扑闼米⑹拥愦兀牵睿蔽冢畲危停停玫某跏嫉悖
本文编号：2667791
【图文】：
２．２ＤＢＳＣＡＮ－ＭＭＣ方法步骤为解决上述问题，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．方法首先使用结构参数设置ｒＥ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划分．具体步骤如下．１）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（如图１所示）即为ＤＢ－ＳＣＡＮ的邻域搜索半径，按式（１）求得ｒＥ，设置ＤＢ－ＳＣＡＮ邻域最少对象数ＭＰ＝３．根据邻域搜索半径，设置圆形结构元初始半径ｒｏｒｉ＝ｒＥ／２，设置较小的半径扩展步长和结构元半径上限以降低相近区域的边界划分生硬的概率，即半径扩展步长ｒｓｔ＝ｒＥ／１０，结构元半径上限ｒｕｐ＝５ｒＥ．ｒＥ＝ｌ·ｈi幔悖纾ǎ保┦街校海煳⑹忧虺ざ龋栉⑹忧蚋叨龋悖缥⑹拥闶浚迹彼阉靼刖妒疽馔迹疲椋纾保樱悖瑁澹恚幔簦椋悖洌椋幔纾颍幔恚铮妫螅澹幔颍悖瑁颍幔洌椋酰螅玻┒宰⑹拥闶荩牵铮颍榻谢冢模拢樱茫粒蔚木劾啵诵亩韵螅牵悖铮罴次菔辉弊⑹蛹械那颍槔嗟氖浚胱魑钪站劾嗍浚唬常┮宰⑹蛹星牵悖铮钗跏嫉悖牵停停媒性残谓峁乖刖叮颍剑颍铮颍榈男翁蛘停闪ㄇ某跏甲⑹拥愦兀牵保锹家驯换槿肓ㄇ淖⑹拥闶浚茫保唬矗┮缘冢睿贝渭扑闼米⑹拥愦兀牵睿蔽冢畲危停停玫某跏嫉悖
本文编号：2667791
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2667791.html
