基于眼动特征的疲劳驾驶检测方法

被引：45

作者：

牛清宁 ^{[1
]}

周志强 ^{[1
]}

金立生 ^{[2
]}

刘文超 ^{[1
]}

于鹏程 ^{[1
]}

机构：

[1] 公安部道路交通安全研究中心

[2] 吉林大学交通学院

来源：

哈尔滨工程大学学报 | 2015年 / 36卷 / 03期

关键词：

疲劳驾驶; 眼动特征; 支持向量机; 滑移时窗; 时窗; 检测模型;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了提高疲劳驾驶检测模型准确率和实时性,基于驾驶模拟实验,利用Smart Eye系统提取了驾驶人不同驾驶状态下眼动数据。基于眼动参数协议,提出了眨眼频率、PERCLOS、注视方向和注视时间4个特征参数的计算方法。分析了各特征参数的最优时窗,针对不同特征参数最优时窗差异,提出了滑移时窗的数据融合方法。基于支持向量机,搭建了疲劳驾驶检测模型。实验结果表明,该模型可以有效地进行疲劳状态检测,准确率能够达到83.84%。

引用

页码：394 / 398

页数：5

共 10 条

[1] 基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究 [J].

赵晓华 ;

许士丽 ;

荣建 ;

张兴俭 .

西南交通大学学报, 2013, 48 (01) :178-183

[2] 基于方向盘操作的驾驶人疲劳状态实时检测方法 [J].

张希波 ;

成波 ;

冯睿嘉 .

清华大学学报(自然科学版), 2010, 50 (07) :1072-1076+1081

[3] 基于汽车操纵信号的驾驶员疲劳状态检测 [J].

李伟 ;

何其昌 ;

范秀敏 .

上海交通大学学报, 2010, 44 (02) :292-296

[4] 基于脑电信号的驾驶疲劳检测研究 [J].

吴绍斌 ;

高利 ;

王刘安 .

北京理工大学学报, 2009, 29 (12) :1072-1075

[5] 应用支持向量机的眼睑参数疲劳预测 [J].

胡淑燕 ;

郑钢铁 .

北京航空航天大学学报, 2009, (08) :929-932

[6] 基于眼睛状态识别的驾驶员疲劳实时监测 [J].

成波 ;

张广渊 ;

冯睿嘉 ;

李家文 ;

张希波 .

汽车工程, 2008, (11) :1001-1005

[7] 疲劳驾驶的脑电特性探索 [J].

彭军强 ;

吴平东 ;

殷罡 .

北京理工大学学报, 2007, (07) :585-589

[8]

Fit-for-duty test for estimation of drivers’ sleepiness level: Eye movements improve the sleep/wake predictor[J] . Christer Ahlstrom,Marcus Nystr?m,Kenneth Holmqvist,Carina Fors,David Sandberg,Anna Anund,G?ran Kecklund,Torbj?rn ?kerstedt.Transportation Research Part C . 2013

[9]

Driver Cognitive Distraction Detection Using Driving Performance Measures[J] . Lisheng Jin,Qingning Niu,Haijing Hou,Huacai Xian,Yali Wang,Dongdong Shi,Wuhong Wang.Discrete Dynamics in Nature and Society . 2012

[10]

Subjective and Objective Sleepiness in the Active Individual[J] . Torbj&ouml,rn &Aring,kerstedt,Mats Gillberg.International Journal of Neuroscience . 1990 (1-2)

← 1 →