汽车安全辅助驾驶技术课件第五章驾驶人行为与疲劳状态监测技术.ppt

5.7 未来展望 从国内外的研究进展和相关技术优缺点来看，今后驾驶员行为与疲劳状态监测方法的研究应在如下方面展开： 1）深入认识研究疲劳驾驶的特性及形成机理，从而建立可靠的疲劳驾驶评价体系。 2）研究车载、非接触式的驾驶员疲劳报警装置。 3）从实验室环境的研究转入到实际道路运行环境下的研究。 4）采用信息融合技术，提高疲劳驾驶检测技术的可靠性。 5）降低成本，促进疲劳驾驶检测的产品化、商品化。 上嘴唇中心最下点、下嘴唇中心最上点定位 嘴部区域和嘴唇特征点定位 4 基于神经网络嘴部状态识别 BP网络为三层结构，输入层有3个神经元，分别代表驾驶员嘴部区域的不同几何特征；隐层选用14个神经元；输出层有3个神经元，分别代表驾驶员嘴部三种不同状态，隐层的传递函数为Sigmoid函数。 输出向量Y1=[1，0，0]T、Y2=[0，1，0]T和Y3=[0，0，1]T。Y1代表驾驶员打哈欠时的大张嘴；Y2代表驾驶员正常说话时的普通张嘴；Y3代表驾驶员在正常行驶状态时的嘴闭合。 根据驾驶员嘴部状态的连续时间系列数据统计规律统计决定驾驶员的状态。 “0”表示嘴闭合，“1”表示普通张嘴，“2”表示张大嘴。 打哈欠：人在打哈欠时张大嘴的平均时间至少持续5秒以上。以6秒作为计算周期，系统监测频率为12帧/秒。如果6秒内统计驾驶员嘴部连续处于张大嘴状态的时间超过5秒，则可判断处于打哈欠