基于HMM 的驾驶员疲劳识别在智能汽车空间的应用.pdfVIP

第２８卷第１０期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．１０ ２０１１年１０月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｏｃｔ．２０１１ 基于ＨＭＭ的驾驶员疲劳识别在智能汽车空间的应用 郁伟炜　吴　卿 （杭州电子科技大学计算机学院　浙江杭州３１００１８） 摘　要　　智能汽车空间作为普适计算一种具体而集中的表现，对此提出一个基于隐马尔科夫模型（ＨＭＭ）的驾驶员疲劳识别应 用。选取ＰＥＲＣＬＯＳ特征变量作为测评驾驶员疲劳的低层上下文，通过大量样本数据的训练，建立ＨＭＭ，用Ｖｉｔｅｒｂｉ算法从观察序列 中识别出最有可能的驾驶员隐藏状态，提醒驾驶员以确保安全的驾驶行为。最后通过在模拟实验环境中的案例验证了该方法的有 效性。 关键词　　智能汽车空间　隐马尔科夫模型　上下文推理　驾驶员疲劳　ＰＥＲＣＬＯＳ 中图分类号　ＴＰ１８　　　　文献标识码　Ａ ＡＰＰＬＹＩＮＧＨＭＭＢＡＳＥＤＤＲＩＶＥＲＦＡＴＩＧＵＥＲＥＣＯＧＮＩＴＩＯＮＩＮＳＭＡＲＴＶＥＨＩＣＬＥＳＰＡＣＥ ＹｕＷｅｉｗｅｉ　ＷｕＱｉｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨａｎｇｚｈｏｕＤｉａｎｚｉＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｓｍａｒｔｖｅｈｉｃｌｅｓｐａｃｅｉｓａｓｐｅｃｉｆｉｃａｎｄｆｏｃｕｓｅｄｐｅｒｆｏｒｍａｎｃｅｏｆｐｅｒｖａｓｉｖｅｃｏｍｐｕｔｉｎｇ；ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎａｐｐｌｉｃａｔｉｏｎａｂｏｕｔ ｄｒｉｖｅｒｆａｔｉｇｕｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ（ＨＭＭ）．ＴｈｅａｕｔｈｏｒｓｓｅｌｅｃｔＰＥＲＣＬＯＳｆｅａｔｕｒｅｖａｒｉａｂｌｅａｓａｌｏｗｌｅｖｅｌｃｏｎｔｅｘｔｏｆ ｄｒｉｖｅｒｆａｔｉｇｕｅｅｖａｌｕａｔｉｏｎ，ａｎｄｅｓｔａｂｌｉｓｈｔｈｅＨＭＭｔｈｒｏｕｇｈａｌａｒｇｅｎｕｍｂｅｒｏｆｓａｍｐｌｅｄａｔａｔｒａｉｎｉｎｇ．Ｔｈｅｎｔｈｅｙｉｄｅｎｔｉｆｙｔｈｅｍｏｓｔｌｉｋｅｌｙｄｒｉｖｅｒ’ｓ ｈｉｄｄｅｎｓｔａｔｅｆｒｏｍｔｈｅｏｂｓｅｒｖａｔｉｏｎｓｅｑｕｅｎｃｅｕｓｉｎｇＶｉｔｅｒｂｉａｌｇｏｒｉｔｈｍ，ａｎｄｒｅｍｉｎｄｄｒｉｖｅｒｓｔｏｅｎｓｕｒｅｔｈｅｉｒｓａｆｅｄｒｉｖｉｎｇｂｅｈａｖｉｏｕｒ．Ｆｉｎａｌｌｙ，ａｃａｓｅ ｓｔｕｄｙｉｎｓｉｍｕｌａｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔｃｏｎｆｉｒｍｅｄｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｓｃｈｅｍｅ． Ｋｅｙｗｏｒｄｓ　　Ｓｍａｒｔｖｅｈｉｃｌｅｓｐａｃｅ　ＨＭＭ　Ｃｏｎｔｅｘｔｒｅａｓｏｎｉｎｇ　Ｄｒｉｖｅｒｆａｔｉｇｕｅ　ＰＥＲＣＬＯＳ ［６］ 模糊推理、人工神经网络、隐马尔科夫模型（ＨＭＭ） 等方法解 ０　引　言 决。ＨＭＭ作为一种统计分析模型，自２０世纪８０年代以来，被应 用于语音识别，取得重大成功。到了９０年代，ＨＭＭ还被引入计 当前，普适计算是计算技术研究和应用的热点，而自发交互 算机文字识别和移动通信核心技术“多用户的检测”。近年来， 是普适计算脱离桌面计算交互模式束缚的关键问题，具有重要的 ＨＭＭ在生物信息科学、故障诊断等领域也开始得到应用。文献 研究价值。智能空间正成为研究和谐人机交互原理与技术的典 ［７］给出了基于ＨＭＭ来预测机器未来状态的方法，并在实验中 型环境，它通过普适网络，把大量的多模态传感器和带有嵌入式 得到验证；文献［８］提出一种新的基于ＨＭＭ分类的交通事件检 处理器的计算、信息设备相互连接起来，从而将计