基于多信息融合的疲勞狀態(tài)識別研究.pdf

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

2、結(jié)構(gòu)簡單、成本低廉、實時性強，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。
　　針對單一信號源的監(jiān)測技術(shù)穩(wěn)定性不足、易受外界環(huán)境影響等問題，本文根據(jù)前述研究現(xiàn)狀，結(jié)合機器學習、圖像處理與生理信號處理等領(lǐng)域進展，提出一種基于多信息融合的疲勞狀態(tài)監(jiān)測算法模型。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)特征和脈搏信號的時、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)識別決策

3、器，最終實現(xiàn)對人體疲勞狀態(tài)的監(jiān)測和識別。本文的主要工作成果如下:
　　設(shè)計了完整的模擬駕駛疲勞狀態(tài)激發(fā)實驗，并進行了數(shù)據(jù)采集工作。本文全面考慮實驗過程中的各種問題，搭建自然逼真的實驗環(huán)境，采用準確可靠的數(shù)據(jù)采集設(shè)備，選取具有普遍代表性的被試者，嚴謹而客觀地進行狀態(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現(xiàn)對人眼狀態(tài)特征的計算?；谀w色分割在圖像中分割出人臉圖像，在識別出人臉圖像的基礎(chǔ)上，使用

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