多源信息融合在駕駛疲勞檢測(cè)中的應(yīng)用.pdf

1、隨著全球經(jīng)濟(jì)的飛速發(fā)展，加快了汽車(chē)行業(yè)的前進(jìn)步伐，使得汽車(chē)的數(shù)量迅猛增加，而駕駛汽車(chē)時(shí)的人身安全相當(dāng)重要，因此汽車(chē)的安全性能也日益受到人們的重視?，F(xiàn)代車(chē)輛制造技術(shù)的快速發(fā)展，車(chē)輛本身的安全因素造成的交通事故所占比重越來(lái)越小，駕駛員的個(gè)人因素已成為交通事故發(fā)生的主要原因。因而，對(duì)駕駛員進(jìn)入疲勞駕駛時(shí)的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和有效預(yù)防，能夠大大降低因駕駛員疲勞而導(dǎo)致的交通事故發(fā)生概率，進(jìn)而保護(hù)人身財(cái)產(chǎn)安全。由此可見(jiàn)，本文的研究具有很大的社會(huì)和經(jīng)濟(jì)

2、意義。
　　首先，本文對(duì)國(guó)內(nèi)外駕駛疲勞檢測(cè)技術(shù)的研究現(xiàn)狀、研究成果以及發(fā)展趨勢(shì)進(jìn)行了研究和總結(jié)。論文主要研究了如何在駕駛疲勞的檢測(cè)中根據(jù)多種疲勞特征進(jìn)行綜合判斷。
　　其次，對(duì)生理信號(hào)進(jìn)行了詳細(xì)介紹，通過(guò)對(duì)各生理指標(biāo)在疲勞與非疲勞狀態(tài)下的變化，對(duì)能夠有效表示疲勞過(guò)程和程度的心電信號(hào)和腦電信號(hào)特征值進(jìn)行了初步的明確。本文在對(duì)駕駛員的面部特征進(jìn)行詳細(xì)研究的基礎(chǔ)上，介紹了Adaboost算法這種經(jīng)典的人臉識(shí)別算法，利用此種方法檢測(cè)

3、人臉并結(jié)合三庭五眼的人臉標(biāo)準(zhǔn)結(jié)構(gòu)，對(duì)人眼的大致區(qū)域進(jìn)行了初步定位，然后進(jìn)一步使用此種算法進(jìn)行大致區(qū)域范圍的人眼檢測(cè)。在人眼成功定位的基礎(chǔ)上，將眼睛輪廓近似看作為橢圓數(shù)學(xué)模型，根據(jù)橢圓模型的長(zhǎng)短軸計(jì)算眼睛睜開(kāi)百分比，進(jìn)而通過(guò)該模型計(jì)算PERCLOS值與眨眼時(shí)間、頻率等參數(shù)。對(duì)正常狀態(tài)和駕駛疲勞狀態(tài)下方向盤(pán)運(yùn)動(dòng)變化特征對(duì)比分析，得出判斷駕駛員是否處在駕駛疲勞狀態(tài)下的兩個(gè)主要特征——方向盤(pán)修正頻度和修正幅度。
　　接下來(lái)，本文對(duì)信息融合

4、技術(shù)的基本原理、功能結(jié)構(gòu)模型以及其他相關(guān)方面進(jìn)行了研究和總結(jié)，在分析和比較信息融合常用算法的基礎(chǔ)上，提出了在實(shí)際應(yīng)用中融合算法選擇需要考慮的問(wèn)題。
　　最后，本文對(duì)粗糙集理論進(jìn)行了深入的研究，對(duì)粗糙集理論的具體應(yīng)用方法進(jìn)行了分析。分析條件屬性離散歸一化的方法與策略，得出檢測(cè)特征信息和駕駛員疲勞程度的關(guān)系。由數(shù)據(jù)約簡(jiǎn)建立決策規(guī)則，通過(guò)這個(gè)決策規(guī)則判斷駕駛員的疲勞程度。在多源數(shù)據(jù)融合的基礎(chǔ)上，根據(jù)駕駛疲勞檢測(cè)的特殊性，采用合適的信息融