基于HMM的驾驶员疲劳识别在智能汽车空间的应用

• 作者: 吴卿 郁伟炜
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 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
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 基金项目论文
• 页码范围: 43-46
• 分类号: TP18
• 字数: 3834字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.10.013

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁伟炜	杭州电子科技大学计算机学院	1	12	1.0	1.0
2	吴卿	杭州电子科技大学计算机学院	32	106	6.0	9.0