原文传递
基于眼动与脉搏信息融合的驾驶疲劳识别算法研究
| 论文题名： | 基于眼动与脉搏信息融合的驾驶疲劳识别算法研究 |
| 关键词： | 驾驶疲劳;识别算法;眼动信息;脉搏信息 |
| 摘要： | 交通安全是与国计民生直接相关的热点问题，其中驾驶疲劳作为导致交通事故多发的主要问题之一，受到了人们的广泛关注。驾驶疲劳会导致驾驶员精力不集中、肢体反应迟钝、对突发情况的应变能力下降，极易引发交通事故。据统计，由驾驶疲劳所造成的交通事故约占事故总数的20％，占重特大交通事故的40％，占交通死亡率的80％。由此可见，驾驶员疲劳已经成为交通事故的主要隐患，而且不容易被察觉和监测。为此，大量学者对驾驶疲劳问题展开了研究，并取得了一定的研究成果。 为了解决驾驶疲劳识别过程中所存在的信号源单一、识别精度低、实用性能差等不足，本文对基于眼动与脉搏信息相融合的驾驶疲劳识别算法进行了研究。该算法以眼动和脉搏两种信息作为研究对象，分别对两种信息进行疲劳特征提取，并以极限学习机作为分类器，对驾驶员是否处于驾驶疲劳状态进行识别。本文的主要工作包括: 1)对驾驶疲劳的形成原因、社会危害、研究现状，以及当前研究中所存在的问题进行了分析和总结。 2)对眼动信息进行处理，深入分析了混合积分投影和mean-shift两种算法的原理，设计了基于混合积分投影与mean-shift相结合的眼部疲劳状态特征提取方法。该方法包括背景去除、人眼定位、人眼分割和特征计算四个步骤，能够综合考虑人眼的灰度信息和位置信息，准确地提取出PERCLOS、眨眼频率和平均闭合时间三个眼动疲劳特征。 3)对脉搏特征进行处理，通过类比于心电的疲劳特征，选择主波间期均值、主波间期标准差、高低频功率比三个参数作为脉搏疲劳特征，对脉搏信号与疲劳状态之间的联系进行了研究，证明了脉搏信号可以应用于驾驶疲劳的识别，且具有较好的识别效果。 4)设计了基于极限学习机的驾驶疲劳识别算法，通过极限学习机对所提取的眼动和脉搏特征进行融合，并对驾驶员是否处于疲劳状态进行识别。通过设计实验，采集被试者在模拟驾驶环境中的眼动和脉搏数据，对算法的实际性能进行验证。实验结果表明，该算法具有良好的识别率。 |
| 作者： | 李发权 |
| 专业： | 生物医学工程 |
| 导师： | 杨立才 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
