基于贝叶斯网络的疲劳度及注意力检测.pdfVIP

第 38卷 第 9期 计 算 机 工 程 2012年 5月 V0l-38 NO．9 ComputerEngineering May．2012 · 人工智能及识别技术 · 文章编号：100一3428(2012)09—_0189—4 文献标识码：A 中圈分类号tTP3914·1 基于贝叶斯 网络的疲劳度及注意力检测 张建明aS魏林蜂 ，刘志强 ，汪 澎 (江苏大学 a．计算机科学与通信工程学院；b．汽车与交通工程学院，江苏 镇江 212013) 摘 要：为提高基于单一特征检测算法的准确率和可靠性，提出基于贝叶斯网络融合多个特征参数的检测算法。定位眼睛和嘴巴，利用两 眼和嘴巴组成的三角形建立头部旋转模型，提取各特征的参数并甩贝叶斯网络进行融合，用来判断驾驶员的驾驶状态，当出现非正常驾驶 状态时给以警告。实验结果表明，该算法对于检测出驾驶员的疲劳度和注意力分散状态有较高的准确性。 关健诃：驾驶疲劳度；眼睛检测；嘴巴检测；Otsu算法；贝叶斯网络；数据融合 FatigueandAttentionDetectionBasedonBayesianNetwork ZHANG Jian—uring，W EILin-feng，LIUZhi—qiang，WANG Peng (a．SchoolofComputerScienceandTelecommunicationEngineering；b．SchoolofAutomobileandTrafficEngineering， JiangsuUniversity,Zhenjiang212013，China) [Abstract]Inordertoimproveaccuracyandreliabilityofthedetectionbasedonasinglefeature，adetectionalgorithmbasedonBayesiannetwork fusingmultiplefeaturesparametersisproposed．Thealgorithm locatesdriver’Seyesandmouth，createsheadrevolutionpattern，whichisbasedon thetrianglecomposingoftwoeyesandmouth，theninputsalltheextractedcharacterparameterstoBayesiannetworkandmakesalogicjudgment,a timelywarningisgivenwhendetectingdriversinanabnormaldrivingstatus．Experimentalresultsshow thatthealgorithm fordetectingdrowsyor losingattentionhashighaccuracy． [Keywordsldrivefatigue；eyedetection；mouthdetection；Otsualgorithm；Bayesiannetwork；datafusion D0I：10．3969／j．issn．1000—3428．2012．09．057 1 概述 存在)；左边一项p(HIE，C)称为后验概率，即考虑了E和 C 疲劳驾驶和注意力分散是引发交通事故的一个重要原 的影响之后 的概率；p(HIc)称为只给定 c时Ⅳ的先验概 因。国内外的研究人员都在这一领域做了大量的研究。在众 率；p(EIH，C)是假定假设 和背景信息