基于多信息融合的疲勞狀態(tài)識(shí)別研究.pdf

1、疲勞駕駛作為交通事故的重要誘發(fā)因素之一，嚴(yán)重妨害駕駛員的生命和財(cái)產(chǎn)安全，對(duì)其的識(shí)別、檢測(cè)和預(yù)警為交通安全領(lǐng)域的核心研究點(diǎn)之一。
　　現(xiàn)階段對(duì)疲勞狀態(tài)的識(shí)別研究方向主要可歸納為三類:基于腦電等傳統(tǒng)生理信息的檢測(cè)方法具有最準(zhǔn)確的識(shí)別效果，但一般采用接觸式測(cè)量，影響駕駛員的正常工作;基于傳統(tǒng)面部特征的檢測(cè)手段，不影響駕駛員的正常操作，但單一視頻信號(hào)易受外部環(huán)境影響，導(dǎo)致其信息采集異常、識(shí)別準(zhǔn)確率低;基于操縱行為和車輛運(yùn)行狀態(tài)的檢測(cè)方法，

2、結(jié)構(gòu)簡(jiǎn)單、成本低廉、實(shí)時(shí)性強(qiáng)，但抗干擾性能差，可靠性低，易于引起疲勞狀態(tài)的誤檢和漏檢。
　　針對(duì)單一信號(hào)源的監(jiān)測(cè)技術(shù)穩(wěn)定性不足、易受外界環(huán)境影響等問(wèn)題，本文根據(jù)前述研究現(xiàn)狀，結(jié)合機(jī)器學(xué)習(xí)、圖像處理與生理信號(hào)處理等領(lǐng)域進(jìn)展，提出一種基于多信息融合的疲勞狀態(tài)監(jiān)測(cè)算法模型。融合圖像和脈搏兩類信息源，提取人臉圖像中的眼部狀態(tài)特征和脈搏信號(hào)的時(shí)、頻域信息參數(shù)，綜合兩類特征構(gòu)建融合特征向量空間，使用基于PCA和SVM的方法建立疲勞狀態(tài)識(shí)別決策

3、器，最終實(shí)現(xiàn)對(duì)人體疲勞狀態(tài)的監(jiān)測(cè)和識(shí)別。本文的主要工作成果如下:
　　設(shè)計(jì)了完整的模擬駕駛疲勞狀態(tài)激發(fā)實(shí)驗(yàn)，并進(jìn)行了數(shù)據(jù)采集工作。本文全面考慮實(shí)驗(yàn)過(guò)程中的各種問(wèn)題，搭建自然逼真的實(shí)驗(yàn)環(huán)境，采用準(zhǔn)確可靠的數(shù)據(jù)采集設(shè)備，選取具有普遍代表性的被試者，嚴(yán)謹(jǐn)而客觀地進(jìn)行狀態(tài)激發(fā)、模擬駕駛和數(shù)據(jù)采集工作。
　　使用基于膚色分割和灰度積分投影的方法實(shí)現(xiàn)對(duì)人眼狀態(tài)特征的計(jì)算?；谀w色分割在圖像中分割出人臉圖像，在識(shí)別出人臉圖像的基礎(chǔ)上，使用

4、灰度積分投影實(shí)現(xiàn)對(duì)人眼的定位，分離出人眼圖像，進(jìn)而計(jì)算出PERCLOS、開合度和眨眼次數(shù)等多個(gè)反映人眼狀態(tài)的特征參數(shù)。
　　使用基于小波變換的方法實(shí)現(xiàn)對(duì)脈搏信號(hào)時(shí)、頻域特征的計(jì)算?；赿b6小波的解構(gòu)和重構(gòu)實(shí)現(xiàn)對(duì)脈搏信號(hào)的降噪、濾波等預(yù)處理，然后采用自適應(yīng)閾值法實(shí)現(xiàn)對(duì)濾波后的脈搏信號(hào)波峰特征點(diǎn)的定位，在識(shí)別出峰值點(diǎn)后，提取脈搏信號(hào)時(shí)域和頻域上的AVNN、SDNN、HF、LF等多個(gè)特征參數(shù)。
　　基于信息融合、主成分分析和支持