MobySys 19
摘要
“雙手放在方向盤上，眼睛在路上”是安全車輛駕駛實(shí)踐的中心指南。許多先進(jìn)的駕駛輔助系統(tǒng)可以有效地檢測車輛的異常運(yùn)動(dòng)。然而，這些系統(tǒng)通常沒有足夠的時(shí)間讓駕駛員對(duì)復(fù)雜的道路情況作出反應(yīng)，尤其是當(dāng)駕駛員分心時(shí)。為了減少事故，必須檢測駕駛員是否實(shí)時(shí)遵守安全駕駛指南，并在發(fā)生任何危險(xiǎn)操作之前提前發(fā)出警告?；谝曈X的駕駛員注意力分散監(jiān)控系統(tǒng)依賴于高端車輛中的攝像頭，但其性能受到能見度要求的嚴(yán)格限制。在本文中，我們介紹了MagTrack，一種基于跟蹤用戶佩戴的磁性標(biāo)簽的駕駛員監(jiān)控系統(tǒng)。使用單個(gè)智能手表和兩個(gè)低成本磁性配件：手磁環(huán)和頭部磁性眼鏡夾，我們的系統(tǒng)使用分析和近似感應(yīng)模型同時(shí)跟蹤和分類駕駛員的雙手和頭部運(yùn)動(dòng)。我們的方法對(duì)駕駛員的姿勢，車輛和環(huán)境變化都很有效。我們證明了我們的系統(tǒng)可以檢測到各種各樣的活動(dòng)，包括雙向轉(zhuǎn)向，視覺和手動(dòng)干擾以及車道變換和轉(zhuǎn)彎。在擁有500多個(gè)駕駛活動(dòng)實(shí)例的廣泛道路測試和10個(gè)被測對(duì)象的500多分鐘道路駕駛中，MagTrack在檢測不安全駕駛活動(dòng)時(shí)實(shí)現(xiàn)了87％的精確度和90％的召回率。
介紹
在美國，分心駕駛每天造成9人死亡，1,071人受傷，在國家公路交通安全管理局（NHTSA）調(diào)查的所有汽車碰撞中，94％的司機(jī)都有過錯(cuò)。 大多數(shù)這些錯(cuò)誤是由于駕駛員未能遵守安全駕駛指南，包括手動(dòng)干擾（例如，一只手離開車輪），視覺干擾（例如，偏離道路的眼睛），不安全轉(zhuǎn)彎和車道變換（例如，未檢查盲人） 現(xiàn)場）和不正確的轉(zhuǎn)向技術(shù)（例如，單手轉(zhuǎn)向，手動(dòng)轉(zhuǎn)向）。 如果實(shí)時(shí)自動(dòng)檢測到這些不安全的駕駛行為，我們可以防止許多事故。
不幸的是，現(xiàn)有的駕駛員活動(dòng)監(jiān)控技術(shù)有其局限性。一些先進(jìn)的駕駛輔助系統(tǒng)可以有效地檢測車輛的異常運(yùn)動(dòng)，然后警告駕駛員即將發(fā)生的碰撞，車道偏差和激進(jìn)的轉(zhuǎn)向。 然而，他們經(jīng)常沒有足夠的時(shí)間讓駕駛員對(duì)復(fù)雜的道路情況做出反應(yīng)，尤其是當(dāng)駕駛員分心時(shí)。 因此，在發(fā)生任何危險(xiǎn)操作之前，必須盡早發(fā)現(xiàn)不安全的駕駛活動(dòng)。
基于攝像頭的系統(tǒng)可以檢測視覺干擾和昏昏欲睡的駕駛，它們已經(jīng)開發(fā)并部署在高端車輛，但它們受到能見度要求的限制，并且無法監(jiān)控手部異常動(dòng)作，包括手動(dòng)分心或積極的轉(zhuǎn)向。 可穿戴技術(shù)有曾被用來監(jiān)控駕駛活動(dòng)。 例如，之前的研究使用常見于智能手表上的慣性測量單元（IMU）來檢測不穩(wěn)定的方向盤運(yùn)動(dòng)和手動(dòng)干擾，但這些解決方案僅限于檢測佩戴智能手表的手。 因此，開發(fā)可靠，強(qiáng)大，低成本的技術(shù)監(jiān)控各種駕駛員活動(dòng)是有必要的。
在本文中，我們介紹了Magtrack，一種采用新穎，不同方法的駕駛監(jiān)控系統(tǒng)。 由于小而廉價(jià)的永磁體在沒有任何功耗的情況下產(chǎn)生它們自己的持久磁場，因此它們可以簡單地用作主動(dòng)跟蹤標(biāo)簽范圍。 因此，我們將現(xiàn)成的磁鐵嵌入各種用戶友好型中配件，如紐扣，戒指，手套，腕帶，頭帶，眼鏡，耳機(jī)，耳夾等。如果配戴這些配件用戶可以提供傳達(dá)豐富信息的磁信號(hào)的動(dòng)作。 由于駕駛活動(dòng)包括協(xié)調(diào)的手部和頭部運(yùn)動(dòng)，我們使用兩個(gè)可穿戴設(shè)備，手上佩戴的磁環(huán)和一個(gè)磁性的眼鏡夾。
為了跟蹤這些標(biāo)簽，駕駛員在手的背面佩戴智能手表以測量磁場，并基于駕駛活動(dòng)模型識(shí)別三維的手和頭部運(yùn)動(dòng)。 以前關(guān)于磁標(biāo)簽跟蹤的研究通常使用兩個(gè)或更多個(gè)磁力計(jì)來跟蹤每個(gè)目標(biāo)。 原因是單個(gè)磁性標(biāo)簽具有六個(gè)運(yùn)動(dòng)自由度，并且需要兩個(gè)三軸磁力計(jì)來唯一地識(shí)別其位置和方向。 用一個(gè)磁力計(jì)跟蹤兩個(gè)目標(biāo)非常具有挑戰(zhàn)性。 為了解決這個(gè)問題，我們確定最安全的駕駛活動(dòng)包括協(xié)調(diào)和確定的手和頭部運(yùn)動(dòng)。 因此，每個(gè)標(biāo)簽都有其特定的運(yùn)動(dòng)模式和約束，這為我們提供了一個(gè)獨(dú)特的機(jī)會(huì)，可以區(qū)分兩個(gè)磁鐵標(biāo)簽生成的信號(hào)，甚至跟蹤它們的并發(fā)運(yùn)動(dòng)。 基于這些觀察，我們開發(fā)運(yùn)動(dòng)模型和跟蹤算法，以識(shí)別不同的駕駛活動(dòng)。
我們使用不同的駕駛員，不同類型的汽車，在不同的道路條件下驗(yàn)證了我們的傳感和活動(dòng)識(shí)別算法。 特別是，我們證明了我們的解決方案能夠適應(yīng)手勢變化和幾何磁場變化在路試中。 此外，通過分析與不安全駕駛行為相關(guān)的可能動(dòng)作，我們?cè)O(shè)計(jì)了實(shí)時(shí)監(jiān)控算法來檢測 i）手動(dòng)和視覺分散注意力，當(dāng)駕駛員用手離開方向盤或花費(fèi)太多時(shí)間用眼睛離開路面時(shí); ii）不正確的轉(zhuǎn)向控制，何時(shí)司機(jī)突然或不正確的轉(zhuǎn)向動(dòng)作; iii）當(dāng)駕駛員無法執(zhí)行時(shí)，不安全的換道和轉(zhuǎn)彎在轉(zhuǎn)向時(shí)檢查盲點(diǎn)并打開轉(zhuǎn)向信號(hào)。 MagTrack可以讓很多人受益，包括夜晚通勤者，長途司機(jī)，新手司機(jī)和司機(jī)注意力缺陷和多動(dòng)障礙（ADHD)。
剛體運(yùn)動(dòng)的自由度：鏈接
這項(xiàng)工作的貢獻(xiàn)如下：
- 我們建立了一個(gè)駕駛員監(jiān)控系統(tǒng)，可以實(shí)時(shí)可靠地監(jiān)控駕駛員的雙手和頭部運(yùn)動(dòng)。 我們的系統(tǒng)可檢測各種不安全駕駛活動(dòng)，包括手動(dòng)和視覺干擾，不安全轉(zhuǎn)彎和車道變換以及不正確的轉(zhuǎn)向控制。 它可以抵御不同類型的車輛和環(huán)境設(shè)置。
- 為了在狹小空間內(nèi)實(shí)現(xiàn)細(xì)粒度跟蹤，我們使用無電池的現(xiàn)成磁鐵為駕駛員設(shè)計(jì)用戶友好的磁性配件。 這些主動(dòng)式可穿戴標(biāo)簽提供額外的信號(hào)，可傳達(dá)有關(guān)駕駛員姿勢和動(dòng)作的豐富位置和運(yùn)動(dòng)信息.
- 我們?cè)O(shè)計(jì)了一種新穎的傳感算法，通過駕駛員智能手表上的單個(gè)磁力計(jì)跟蹤駕駛員的磁性可穿戴設(shè)備。 由于每個(gè)可穿戴設(shè)備都有其獨(dú)特的運(yùn)動(dòng)模式和約束，我們的算法能夠區(qū)分從兩個(gè)標(biāo)簽生成的信號(hào)，甚至跟蹤它們的并發(fā)運(yùn)動(dòng)。 基于跟蹤結(jié)果，我們進(jìn)一步開發(fā)了基于機(jī)器學(xué)習(xí)的算法來檢測不同的駕駛活動(dòng)。 我們的方法可以超越驅(qū)動(dòng)程序監(jiān)控應(yīng)用程序。
- 在廣泛的道路測試中，有超過500個(gè)實(shí)例的不同駕駛活動(dòng)，以及來自10個(gè)科目的500多分鐘的駕駛時(shí)間，MagTrack在不安全的駕駛活動(dòng)檢測中成功實(shí)現(xiàn)了87％的精度和90％的召回率。
概述
安全駕駛依從性問題
駕駛活動(dòng)需要協(xié)調(diào)的手和頭部動(dòng)作，因?yàn)樗緳C(jī)需要評(píng)估周圍環(huán)境和相應(yīng)地控制車輛。駕駛員的安全駕駛指南手冊(cè)定義了正確的動(dòng)作（例如，位置，時(shí)間和順序）。遵守這些指南可以最大限度地降低駕駛風(fēng)險(xiǎn)。但是，許多司機(jī)不遵守這些規(guī)則，特別是當(dāng)他們分心或疲憊時(shí)。在這里，我們定義一些最常見的不安全駕駛行為：（i）手動(dòng)分心：駕駛員可以從方向盤上取下其他活動(dòng)如打電話或吃飯; （ii）視覺分心：司機(jī)把目光從路上移開，轉(zhuǎn)向風(fēng)景或廣告標(biāo)志，甚至與乘客聊天。 （iii）不正確的轉(zhuǎn)向控制：駕駛員將方向盤固定在錯(cuò)誤的位置，或使用不正確或侵略性的方式轉(zhuǎn)向車輪; （iv）不安全的車道變換/轉(zhuǎn)彎：駕駛員在轉(zhuǎn)向車道或轉(zhuǎn)彎之前未能轉(zhuǎn)頭檢查盲點(diǎn)和側(cè)鏡（或交叉路口其他方向的交通）。
我們可以看到，這些實(shí)踐歸結(jié)為幾種基本類型的手勢和頭部手勢的組合。 基本的駕駛手勢包括保持和轉(zhuǎn)向運(yùn)動(dòng)。 抱著車輪需要司機(jī)將雙手放在方向盤上正確的立場。 雙手離開車輪的時(shí)間太長了增加安全風(fēng)險(xiǎn)。 轉(zhuǎn)向運(yùn)動(dòng)涉及協(xié)調(diào)轉(zhuǎn)動(dòng)方向盤的雙手動(dòng)作。 頭部的姿勢包括向左，向右，向下轉(zhuǎn)動(dòng)一個(gè)角度。要監(jiān)控駕駛活動(dòng)，必須捕捉所有這些手和頭的手勢.
系統(tǒng)設(shè)計(jì)概述
系統(tǒng)架構(gòu)圖由三層組成：
- 磁性可穿戴配件。MagTrack 使用它們跟蹤司機(jī)身體的不同部分。我們將一個(gè)尺寸為5厘米×2.5厘米×1.25厘米的塊狀磁鐵安裝在駕駛員手指上，并將一個(gè)高度為11厘米，半徑為4毫米的圓柱形磁鐵安裝在駕駛員左側(cè)太陽穴的一副眼鏡上。 可以定制具有不同形狀因數(shù)和類型的磁性可穿戴設(shè)備，例如按鈕，戒指，手套，腕帶，頭帶，眼鏡，耳機(jī)，耳夾等。
- 智能手表。 為了監(jiān)控駕駛活動(dòng)，我們將智能手表放在與磁鐵相對(duì)的手上。 我們的方法的主要挑戰(zhàn)是在智能手表上使用單個(gè)磁力計(jì)來跟蹤兩個(gè)磁性可穿戴設(shè)備。 我們通過開發(fā)一種新穎的傳感算法來區(qū)分這兩個(gè)磁體產(chǎn)生的磁信號(hào)并同時(shí)跟蹤它們來應(yīng)對(duì)這一挑戰(zhàn)。
- 安全駕駛應(yīng)用。 這些應(yīng)用程序識(shí)別不同的駕駛活動(dòng)，并在發(fā)現(xiàn)違反安全駕駛指南的情況下向駕駛員發(fā)出警告。 可以基于駕駛員的駕駛習(xí)慣（例如駕駛姿勢）來配置這些應(yīng)用程序。 如果有這樣的信息，他們還可以考慮其他因素，如交通和道路狀況.
手部和頭部跟蹤
在本節(jié)中，我們將重點(diǎn)關(guān)注監(jiān)測運(yùn)動(dòng)磁性標(biāo)簽貼在駕駛員的手和頭上，使用智能手表磁力儀。 當(dāng)司機(jī)的手握著方向盤，它們的運(yùn)動(dòng)被限制在一個(gè)圓圈內(nèi)。同樣，駕駛員的頭部受到汽車座椅配置的限制。 我們?yōu)檫@些手和頭部運(yùn)動(dòng)構(gòu)建運(yùn)動(dòng)和感知模型。 基于這些模型，我們?cè)O(shè)計(jì)了一種同步跟蹤和分類（STC）算法來跟蹤磁性標(biāo)簽。 STC框架由一組并行運(yùn)行的卡爾曼濾波器組成，可跟蹤不同的磁性標(biāo)簽和運(yùn)動(dòng)類型，包括手動(dòng)轉(zhuǎn)向運(yùn)動(dòng)，轉(zhuǎn)向運(yùn)動(dòng)以及并發(fā)的手和頭部運(yùn)動(dòng)。 STC算法首先識(shí)別最可能的運(yùn)動(dòng)類型（手，頭或并發(fā)運(yùn)動(dòng)），然后估計(jì)相應(yīng)的運(yùn)動(dòng)軌跡。
3D旋轉(zhuǎn)。在傳感模型的開發(fā)中，矢量的三維旋轉(zhuǎn)運(yùn)算得到了廣泛的應(yīng)用。繞著軸A旋轉(zhuǎn)beta角度的3D旋轉(zhuǎn)可以使用一個(gè)矩陣R(A,beta)表示
手操控運(yùn)動(dòng)模型
在本小節(jié)中，我們將介紹如何使用卡爾曼濾波模型跟蹤方向盤上的右手運(yùn)動(dòng)。 一個(gè)卡爾曼濾波器包括狀態(tài)轉(zhuǎn)換模型和測量模型。 狀態(tài)轉(zhuǎn)換模型包含狀態(tài)變量向量，它描述了右手的位置和姿勢，以及一種狀態(tài)轉(zhuǎn)換矩陣，它描述了狀態(tài)變量向量隨著時(shí)間的推移而演變。 然后我們介紹測量模型，它描述了右手位置和姿勢如何影響傳感器測量。 基于以上模型，我們能夠使用Unscented卡爾曼濾波器跟蹤右手運(yùn)動(dòng)。
狀態(tài)轉(zhuǎn)換模型。我們使用θ1來表示用戶的右手握持位置。 如圖2所示，θ1是手與方向盤3點(diǎn)鐘位置之間的角度。我們用θ2表示用戶的手勢，描述駕駛員如何握住方向盤。 如圖2所示，駕駛員的手可以繞方向盤管旋轉(zhuǎn)角度θ2。 當(dāng)磁性標(biāo)簽的北極方向位于方向盤平面上并指向離心方向時(shí)，我們將θ2設(shè)置為零。
我們還將變化率θ?1和θ?2包含在狀態(tài)變量向量中。 好處是跟蹤器可以更快地響應(yīng)系統(tǒng)變量。 根據(jù)定義，對(duì)于時(shí)間步長k，對(duì)于i = 1,2，我們具有θi（k）=θi（k-1）+ΔT*θ?i（k-1），其中ΔT表示兩個(gè)步長之間的時(shí)間間隔。 將它們寫成矩陣形式，我們有Xs（k）= Fs·Xs（k-1），其中狀態(tài)變量向量Xs（k）和狀態(tài)轉(zhuǎn)移矩陣Fs在以下等式中定義：
測量模型 接下來，我們構(gòu)建手動(dòng)轉(zhuǎn)向運(yùn)動(dòng)的測量模型。 我們的目標(biāo)是找到手持位置和姿勢（由θ1和θ2表示）與智能手表上的磁場測量值之間的解析函數(shù)關(guān)系。手磁標(biāo)簽的磁場由其相對(duì)于傳感器的位置a_t和磁矩m確定，磁矩m是描述偶極子強(qiáng)度和方向的矢量。 在下文中，我們分析了θ1，θ2的變化如何影響a_t和m的值。 當(dāng)獲得這兩個(gè)時(shí)，我們使用標(biāo)準(zhǔn)場分布函數(shù)計(jì)算估計(jì)的磁場。
如圖2所示，我們使用 r 來表示方向盤的半徑，以及 t 為方向盤的傾斜角度。 車輛坐標(biāo)系Xv-Yv-Zv定義如下：Zv垂直向上指向; Yv水平指向前方; Xv垂直于Yv和Zv，并指向右側(cè)。
[手磁標(biāo)簽的位置] 我們將從磁性標(biāo)簽到手表傳感器的矢量分解成三個(gè)部分：
a_w，圖2中的橙色矢量，是駕駛員握住方向盤時(shí)從方向盤中心到智能手表磁力計(jì)的矢量。 手表的位置取決于駕駛員的手持位置和個(gè)人保持習(xí)慣。我們?cè)谛?zhǔn)過程中計(jì)算出a_w的估計(jì)值。 在本節(jié)中，我們考慮駕駛員的左手握住方向盤而不移動(dòng)的情況。 在第5節(jié)中，我們將提供檢測駕駛員左手運(yùn)動(dòng)的算法。
矢量a_c是圖2中的藍(lán)色矢量.a_c的值由保持位置θ1確定。 當(dāng)θ1改變時(shí)，a_c可以看作是圍繞方向盤旋轉(zhuǎn)軸Aw旋轉(zhuǎn)的矢量，具有傾斜角度t。我們推導(dǎo)出表達(dá)式通過從其初始位置旋轉(zhuǎn)來實(shí)現(xiàn). r 是方向盤的半徑。
接下來，我們分析等式3中的a_f，如紫色矢量所示在圖2中，駕駛員手指的厚度和磁性標(biāo)簽的形狀決定a_f的長度，用l表示。 直觀地，a_f可以被視為圍繞軸A_2旋轉(zhuǎn)角度θ2的矢量。A_2是垂直于a_c和A_w的單位向量，因此我們可以使用A_w和a_c之間的叉積來計(jì)算A_2的值。
最后，我們可以使用a_c，a_f和a_w來計(jì)算磁性標(biāo)簽的相對(duì)位置a_t。
[手磁標(biāo)簽的方向]
磁場估計(jì) 根據(jù)a_t和m，我們可以計(jì)算出磁場強(qiáng)度B:
為了校準(zhǔn)右手跟蹤算法，我們需要知道圖2中的三個(gè)參數(shù)r，t和a_w?？梢灾苯訙y量這些參數(shù)，但我們發(fā)現(xiàn)采用最大似然參數(shù)估計(jì)（MLPE）方法更容易。 MLPE可以搜索最可能的參數(shù)，使得由傳感模型計(jì)算的磁場與測量值最佳匹配。 具體地說，駕駛員需要用右手握住方向盤，不同的位置θ1和姿勢θ2。 系統(tǒng)記錄磁傳感器測量結(jié)果以及θ1，θ2的真實(shí)值。 然后我們使用MLPE來估計(jì)r，t和a_w的值，使得模型預(yù)測最接近實(shí)際的磁傳感器測量值。
頭部運(yùn)動(dòng)模型
接下來，我們介紹用于頭部運(yùn)動(dòng)監(jiān)測的卡爾曼濾波模型。 如前所述，我們將磁鐵連接到駕駛員身上眼鏡并使用智能手表磁力計(jì)檢測其運(yùn)動(dòng)。 主要的挑戰(zhàn)是磁力計(jì)距離標(biāo)簽的距離很遠(yuǎn)導(dǎo)致低信噪比，因?yàn)榇帕τ?jì)的磁場強(qiáng)度相對(duì)較弱。因此，很難構(gòu)建精確的分析測量頭部磁性標(biāo)簽的模型。 為了應(yīng)對(duì)這一挑戰(zhàn)，我們首先要做將頭部動(dòng)作分為三種類型：左轉(zhuǎn)，右轉(zhuǎn)和點(diǎn)頭，然后構(gòu)建一個(gè)單獨(dú)的卡爾曼濾波器來跟蹤它們中的每一個(gè)。通過這種方式，我們可以降低每個(gè)方向跟蹤頭部轉(zhuǎn)彎的復(fù)雜性，使得近似線性測量模型可以使用。 我們首先提出卡爾曼濾波器，用KFl表示，其中跟蹤左頭轉(zhuǎn)動(dòng)，在公式8中。卡爾曼濾波器其他方向的設(shè)計(jì)類似。
卡爾曼濾波器KF1由狀態(tài)轉(zhuǎn)移模型和測量模型組成。 狀態(tài)變量X1（k）包含左頭轉(zhuǎn)角，范圍從0°到90°。 當(dāng)駕駛員面向前方時(shí)，我們?cè)O(shè)置為零。 為了便于跟蹤，我們進(jìn)一步將頭部角度變化率包括在狀態(tài)變量中。我們使用線性近似技術(shù)為左轉(zhuǎn)頭創(chuàng)建測量模型。 當(dāng)司機(jī)的頭向左轉(zhuǎn)，3D磁場測量即可作為左頭轉(zhuǎn)角的函數(shù)。 不是找到這個(gè)函數(shù)的確切表達(dá)式，我們使用線性近似，即，B_l≈a_0+a_1γ1。 在校準(zhǔn)過程中估算了a0和a1的值，這將在本小節(jié)末尾進(jìn)行描述。
在定義卡爾曼濾波模型KF1之后，我們可以使用經(jīng)典線性卡爾曼濾波器來估計(jì)左轉(zhuǎn)彎角度。我們?cè)趫D5的中間行繪制跟蹤結(jié)果。使用用于構(gòu)造左頭轉(zhuǎn)向卡爾曼濾波器KF1的相同技術(shù)，我們還可以構(gòu)造用于右頭轉(zhuǎn)彎和向下轉(zhuǎn)彎的卡爾曼濾波器，其由KFr，KFd表示。
要校準(zhǔn)頭部跟蹤算法，我們需要知道公式中的aa0和?a1的值。在校準(zhǔn)期間，司機(jī)將頭向左，向右和向下轉(zhuǎn)動(dòng)一次，并記錄傳感器測量結(jié)果，用[B1，B2，...，Bn]表示。 通過計(jì)算駕駛員面向前并且頭部角度為零的前幾秒的測量值B的平均值來估計(jì)a_0。 然后，我們使用標(biāo)準(zhǔn)線性回歸技術(shù)來估計(jì)a_1的值。
同步跟蹤和分類
并發(fā)運(yùn)動(dòng)建模。 在某些情況下，司機(jī)會(huì)在同一時(shí)間移動(dòng)他們的手和頭。 例如，在轉(zhuǎn)向時(shí)在十字路口，司機(jī)也可以轉(zhuǎn)頭檢查行人。 直觀地，當(dāng)兩個(gè)磁性標(biāo)簽同時(shí)移動(dòng)時(shí)，對(duì)傳感器測量的影響是每個(gè)標(biāo)簽的影響的疊加。 我們使用單獨(dú)的卡爾曼濾波器來監(jiān)控并發(fā)轉(zhuǎn)向和頭部轉(zhuǎn)向運(yùn)動(dòng)，即，駕駛員在用右手轉(zhuǎn)向方向盤時(shí)向左或向右轉(zhuǎn)動(dòng)頭部。 我們將測量模型定義為手和頭部運(yùn)動(dòng)的測量模型的總和。下面示出了用于并發(fā)轉(zhuǎn)向和頭左轉(zhuǎn)運(yùn)動(dòng)的卡爾曼濾波器。
其中Hs（θ1，θ2）和H1（γ1）是手的測量模型和頭轉(zhuǎn)向的測量模型。 為減少錯(cuò)誤檢測同時(shí)運(yùn)動(dòng)的疑惑，我們添加了θ1大于γ1的約束。這樣，用于并發(fā)運(yùn)動(dòng)的卡爾曼濾波器KF_sl變?yōu)閮H當(dāng)兩個(gè)磁性標(biāo)簽都有大的運(yùn)動(dòng)時(shí)才有效。 在另一方面，如果只有一個(gè)磁性標(biāo)簽在移動(dòng)，則單獨(dú)的卡爾曼將選擇過濾器KF_s或KF_l。
同步跟蹤和分類
使用卡爾曼濾波模型，KF_i，其中i = s，l，r，d，sl，sr，對(duì)應(yīng)于右手轉(zhuǎn)向，左轉(zhuǎn)彎，右轉(zhuǎn)彎，頭向下轉(zhuǎn)彎，同時(shí)轉(zhuǎn)向和左轉(zhuǎn)彎，以及 可以實(shí)時(shí)識(shí)別和跟蹤并發(fā)轉(zhuǎn)向和右轉(zhuǎn)彎，手和頭部運(yùn)動(dòng)。 基于這些并行卡爾曼濾波器的跟蹤結(jié)果，STC框架可以使用貝葉斯規(guī)則選擇最可能的運(yùn)動(dòng)類型。 算法1中描述了STC。 算法的輸入是時(shí)間窗內(nèi)的磁傳感器測量，由{B(1)，B(2)，...，B(W)}表示。 算法輸出是最可能的運(yùn)動(dòng)類型c，而且相應(yīng)的跟蹤結(jié)果{Xc(1)，Xc(2)，...，Xc(W)}。
給定傳感器測量B(k)，該算法運(yùn)行所有6個(gè)并行卡爾曼濾波器，如第3行所示。第4和5行代表卡爾曼濾波器的預(yù)測和更新步驟，其估計(jì)運(yùn)動(dòng)類i的狀態(tài)變量Xi(k)。 我們使用Unscented卡爾曼濾波器進(jìn)行手動(dòng)轉(zhuǎn)向和并發(fā)運(yùn)動(dòng)跟蹤，以及使用經(jīng)典線性卡爾曼濾波器用于頭部轉(zhuǎn)彎運(yùn)動(dòng)監(jiān)控。為了計(jì)算誤差協(xié)方差矩陣，我們使用Unscented和經(jīng)典卡爾曼濾波器中的標(biāo)準(zhǔn)方法。在第6行中，計(jì)算了擬合后測量殘差δi(k)，它是地面實(shí)況測量B(k)與擬合后測量估計(jì)之間的差值。H(Xi(k))。我們假設(shè)傳感器測量包含白噪聲V~N(0，σ2)，其中σ2是方差。因此，我們可以使用第7行中描述的高斯分布方程計(jì)算條件概率P(B(k)| i)。然后我們計(jì)算表示運(yùn)動(dòng)類可能性的后驗(yàn)概率P(i | B(k)）我使用第8行中描述的貝葉斯原理給出了測量B(k).P(j)是每個(gè)運(yùn)動(dòng)類的先驗(yàn)概率。然后我們將概率P(i | B(k)）歸一化。通過將P(i | B(k)）與閾值T進(jìn)行比較來進(jìn)行顯著性檢驗(yàn)，以確保對(duì)運(yùn)動(dòng)概率的充分置信度。我們最終在時(shí)間窗口W內(nèi)選擇最可能的運(yùn)動(dòng)類別c，使得P(c | B(k)）在大多數(shù)時(shí)間步長中具有大于T的值。將返回運(yùn)動(dòng)類c和相應(yīng)的跟蹤結(jié)果{Xc(1)，Xc(2)，...，Xc(W)}。
