期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
新手驾驶人疲劳状态下的视觉特性研究 被引量：1
1
作者 赵小平 闵忠兵 +4 位作者 薛运强 莫振龙 张姝玮 龚俊 喻佳 《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第1期149-157,共9页
为探究新手驾驶人疲劳特性在视觉特征方面的表现,设计了基于驾驶模拟器和Dikablis Glass 3眼动仪的驾驶模拟实验,采集驾驶人视觉数据,结合视频专家法将驾驶人疲劳等级分为清醒、轻度疲劳、中度疲劳、重度疲劳。利用拉依达准则及卡尔曼... 为探究新手驾驶人疲劳特性在视觉特征方面的表现,设计了基于驾驶模拟器和Dikablis Glass 3眼动仪的驾驶模拟实验,采集驾驶人视觉数据,结合视频专家法将驾驶人疲劳等级分为清醒、轻度疲劳、中度疲劳、重度疲劳。利用拉依达准则及卡尔曼滤波对数据进行清洗;依据单因素方差分析及事后多重比较结果,选取眨眼持续时长均值、扫视时长均值、扫视总时长、瞳孔面积均值、瞳孔变异系数均值、注视时间均值等视觉特征作为驾驶人的疲劳驾驶评价指标;构建基于新手驾驶人视觉特征的灰狼优化支持向量机(GWO-SVM)疲劳驾驶识别模型。研究结果表明:随着驾驶疲劳累积,新手驾驶人眨眼持续时长显著增加,扫视时长及扫视总时长显著降低,瞳孔面积缩小,瞳孔变异系数增大;SVM识别结果表明:新手驾驶人的疲劳状态可通过眼动指标进行有效识别,而GWO-SVM模型则进一步提升了识别精度,证明了眼动特征在新手驾驶人疲劳检测方面具有较好的适用性。 展开更多
关键词 新手驾驶人 疲劳等级 视觉参数 gwo-svm疲劳驾驶识别模型
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部