10.3969/j.issn.2095-2783.2016.07.006
基于人-车特征的疲劳驾驶辨识方法研究
为提升疲劳驾驶模型的检测效果，文章以方向盘转角（SA）、PERCOLS、眨眼频率（BF）和眨眼深度（MECD）为特征参数，建立支持向量机（SVM）疲劳驾驶检测模型。并确定了SA、PERCOLS、BF和MECD的最优时间窗。通过模拟驾驶仪和眼动仪对10名受试者进行疲劳驾驶和清醒驾驶的数据采集，最终筛选出疲劳驾驶和清醒驾驶有效样本各600组。完成了疲劳驾驶检测模型的训练和验证，优化了支持向量机的惩罚参数c、核函数参数 g。结果显示：该模型的综合疲劳识别准确率高达93．5％，能够较好满足疲劳驾驶检测的要求。
疲劳驾驶、眼部特征、驾驶行为、支持向量机
11
U491.31(交通工程与公路运输技术管理)
高等学校博士学科点专项科研基金资助项目20113227110014；交通运输科技项目2014Y17；江苏省高校研究生科研创新项目KYLX＿1059
2016-08-10（万方平台首次上网日期，不代表论文的发表时间）
共4页
751-753,759
