基于眼動數(shù)據(jù)的疲勞度標(biāo)注方法研究.pdf

1、為了建立有效且可靠的疲勞駕駛檢測模型，我們需要采集來自司機(jī)或是車輛的多模態(tài)的信號，分析司機(jī)不同狀態(tài)下的信號模式差異，為此我們需要為這些駕駛數(shù)據(jù)標(biāo)注司機(jī)相應(yīng)的疲勞度。在眾多能夠較為有效地反映司機(jī)疲勞水平的信息來源中，人的眼動信息是最容易在司機(jī)駕駛過程中獲取的信號之一。因此，在真實駕駛環(huán)境下，基于眼動數(shù)據(jù)的疲勞度標(biāo)注方法研究，對于建立疲勞駕駛檢測模型具有重要的意義。
　　在基于眼動信息的疲勞駕駛研究中，PERCLOS（單位時間閉眼時長

2、比例）被廣泛地認(rèn)為是一種能夠有效檢測疲勞駕駛的方法，其值的大小與司機(jī)的疲勞水平有顯著的關(guān)系。我們使用眼動儀眼鏡所提供的眼動參數(shù)對PERCLOS進(jìn)行了計算，并使用基于眼睛視頻的計算方法進(jìn)行了計算精度的有關(guān)驗證。我們認(rèn)為基于眼動數(shù)據(jù)的PERCLOS可以作為評估疲勞檢測算法的參考依據(jù)，將其作為對司機(jī)疲勞水平的粗略估計。為此，我們進(jìn)行了多組基于眼動數(shù)據(jù)的警覺度實驗，使用某個已被驗證較為有效的基于眼電的疲勞檢測算法對實驗數(shù)據(jù)進(jìn)行分析，以PERCL

3、OS作為對被試疲勞水平的估計值從實驗數(shù)據(jù)中學(xué)習(xí)疲勞檢測模型，然后使用測試數(shù)據(jù)進(jìn)行預(yù)測分析。通過對實驗結(jié)果的分析，我們認(rèn)為PERCLOS的大小能夠一定程度地反映被試的疲勞水平，但是我們不能夠完全依賴它對駕駛數(shù)據(jù)進(jìn)行疲勞度的標(biāo)注。
　　我們認(rèn)為當(dāng)PERCLOS足夠小時，司機(jī)一定處于清醒狀態(tài)，而當(dāng)PERCLOS處于一個較高的水平時，司機(jī)一定處于疲勞狀態(tài)，而當(dāng)PERCLOS處于這兩者之間，我們不能單純依賴PERCLOS的大小判斷司機(jī)的狀態(tài)

4、，即模糊狀態(tài)。當(dāng)司機(jī)處于不同狀態(tài)時，他的很多眼動特征存在一定的模式差異，我們可以利用這些差異去分析模糊狀態(tài)的眼動數(shù)據(jù)，其眼動特征的模式更接近哪個狀態(tài)的眼動特征，就將相應(yīng)數(shù)據(jù)標(biāo)注為相應(yīng)的狀態(tài)。
　　我們從眼動儀眼鏡提供的眼動參數(shù)提取了四類眼動特征，包括眨眼，注視，掃視以及掃視序列模式重復(fù)性特征。通過mRMR（最小冗余最大相關(guān)）等特征選擇算法，篩選出能夠有效區(qū)分被試不同狀態(tài)的眼動特征，使用支持向量機(jī)模型從眼動數(shù)據(jù)中學(xué)習(xí)被試不同狀態(tài)下的