精神疲劳实时监测中多面部特征时序分类模型
针对现有疲劳监测方法仅根据单帧图像嘴巴形态进行哈欠识别准确率低,采用阈值法分析眨眼参数适应性较差,无法对疲劳状态的过渡进行实时监测等问题,提出一种新的进行精神疲劳实时监测的多面部特征时序分类模型.首先,通过面部视觉特征提取张口度曲线与虹膜似圆比曲线;然后,采用滑动窗口分段、隐马尔可夫模型(HMM)建模等方法在张口度曲线的基础上构建哈欠特征时序并进行类别标记,在虹膜似圆比曲线的基础上构建眨眼持续时间时序并进行类别标记;最后,在HMM的基础上增加时间戳,以便自适应地选取时序初始时刻点并进行多个特征时序的同步与标记结果的融合.实验结果表明,本文模型可降低哈欠误判率,对不同年龄的人群眨眼具有很好的适应性,并可实现对精神疲劳过渡状态的实时监测.
实时精神疲劳监测、虹膜似圆比、张口度、时间序列、滑动窗口法、隐马尔可夫模型
18
TP391.4(计算技术、计算机技术)
国家自然科学基金项目60272089;广东省科技计划国际合作项目2010B050400007
2013-10-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
953-960