|
| 基于人眼特征的疲劳驾驶状态检测方法 |
|
| |
|
| 摘要点击次数: 440 |
| 全文下载次数: 1 |
| 中文摘要: |
| 为获取用于检测驾驶疲劳状态的关键指标，通过实车试验采集了驾驶员行为状态、眼动数据和车辆动态信息，对比分析了各参数对驾驶员主观疲劳状态的反映程度。对于驾驶员眼部特征检测，使用特征提取器完成人脸位置的实时跟踪，并使用 68 点面部特征检测算法标记关键点位置，估算出眼睛长宽比（EAR）。通过分类与回归树（CART）决策算法训练数据模型，实现在一定窗口期内对驾驶员眨眼行为的准确决策分类，获得眼睛闭合率（PERCLOS）
等关键眼部特征指标。在此基础之上设计了 13 种驾驶疲劳状态检测指标，并与卡罗林斯卡嗜睡量等级（KSS）这一主观疲劳程度衡量参数作相关性评价。研究结果表明： PERCLOS 与KSS 的相关性最高，相关系数为 0.83，因此借助 PERCLOS 可以较准确地判断驾驶疲劳状态。 |
| 英文摘要: |
| |
| 查看全文 查看/发表评论 |
| 关闭 |
|
|
|
