论文部分内容阅读
为提升疲劳驾驶模型的检测效果,文章以方向盘转角(SA)、PERCOLS、眨眼频率(BF)和眨眼深度(MECD)为特征参数,建立支持向量机(SVM)疲劳驾驶检测模型。并确定了SA、PERCOLS、BF和MECD的最优时间窗。通过模拟驾驶仪和眼动仪对10名受试者进行疲劳驾驶和清醒驾驶的数据采集,最终筛选出疲劳驾驶和清醒驾驶有效样本各600组。完成了疲劳驾驶检测模型的训练和验证,优化了支持向量机的惩罚参数c、核函数参数g。结果显示:该模型的综合疲劳识别准确率高达93.5%,能够较好满足疲劳驾驶检测的要求。