基于云模型的驾驶疲劳检测方法

摘要：

疲劳驾驶是导致交通事故的重要原因.因此实时监测驾驶员的疲劳状态具有重要的现实意义.文中针对人的眼动行为存在随机性及模糊性的特点,采用不确定性的云概念,建立基于Perclos和眨眼时间均值的双条件单规则发生器,然后在此基础上构造基于双条件单规则发生器的疲劳检测模型.最后通过在模拟实验平台上采集驾驶员的眼动数据,将眼动特征数据输入基于双条件单规则发生器的疲劳检测模型进行疲劳识别判断.实验结果表明:该模型的平均识别率达到80.2％.在同组实验数据下,使用云模型方法比采用K最近邻(KNN)及支持向量机分类算法的检测率都要高.

关键词：眼动特征、驾驶疲劳、云模型、检测方法、规则发生器

所属期刊栏目：21

分类号：U491(交通工程与公路运输技术管理)

在线出版日期：2019-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：15-18