摘要
在疲劳驾驶检测中,对眼部状态的判断是关键的步骤之一。为了对眼部状态进行有效的识别,提出了一种新颖的眼部状态识别 方法。该方法用眼部图像中的某些点的纹理单元的NTU值作为输入特征值,用径向基函数神经网络(RBF)作为分类器。为了进一步提高分类的准确性,又采用了Bagging方法。试验结果表明,该方法易于实现,准确度高,速度快,不受光照条件的影响,可以应用于实际。
This paper presents a new method of eye state recognition. Firstly, it uses NTU as the input eigenvalue, which is picked up from texture character of eye images. RBF neural network is used as classifer. In order to improve the precision of the RBF neural network models, Bagging algorithm is used to build an integration neural network model for eye state recognition. Some experiments to make sure that the method works effective are performed.
出处
《计算机工程》
CAS
CSCD
北大核心
2005年第6期166-167,170,共3页
Computer Engineering
基金
国家自然科学基金资助项目(69975003)
中国科学院知识创新工程领域前沿项目
