文档名：基于遗传优化算法的疲劳驾驶状态辨识方法
摘要：为了准确辨识驾驶人疲劳驾驶状态并提供及时的主动安全预警,提出了一种低成本、高效的基于遗传优化算法的疲劳驾驶状态辨识方法.改进了YOLOv3-tiny网络结构并应用于人脸检测.融合驾驶人眼部、嘴部及头部多特征参数基础上,利用因子分析算法提取原始数据中的主因子,并构建遗传算法(GA)优化广义回归神经网络(GRNN)疲劳驾驶辨识模型.实验结果表明:GA-GRNN模型疲劳驾驶状态检测准确率高达94.2％,召回率为92.5％,精确率为93.2％.本文研究是机器视觉在辅助驾驶系统中的实际应用,可为驾驶人早期疲劳驾驶预警的研究提供理论与技术支持.
作者：张杨 王晓原 刘士杰 王瀚卿 项徽 Author：ZHANGYang WANGXiaoyuan LIUShijie WANGHanqing XIANGHui
作者单位：青岛科技大学机电工程学院,山东青岛266000青岛科技大学机电工程学院,山东青岛266000;青岛科技大学智能绿色制造技术与装备协同创新中心,山东青岛266000
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(9)
分类号：TP391.41
关键词：遗传算法 广义回归神经网络 疲劳驾驶辨识 主动安全预警
Keywords：geneticalgorithm(GA) generalizedregressionneuralnetwork(GRNN) detectionoffatiguedriving activesafetywarning
机标分类号：TP391U463.67TP273
在线出版日期：2023年9月26日
基金项目：山东省自然科学基金资助项目，青岛市创新创业领军人才计划资助项目，山东省智能绿色制造技术与装备协同创新中心开放基金资助项目，国家重点研发计划基于遗传优化算法的疲劳驾驶状态辨识方法[
期刊论文] 传感器与微系统--2023, 42(9)张杨 王晓原 刘士杰 王瀚卿 项徽为了准确辨识驾驶人疲劳驾驶状态并提供及时的主动安全预警,提出了一种低成本、高效的基于遗传优化算法的疲劳驾驶状态辨识方法.改进了YOLOv3-tiny网络结构并应用于人脸检测.融合驾驶人眼部、嘴部及头部多特征参数基础上,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于遗传优化算法的疲劳驾驶状态辨识方法 Identification method of fatigue driving state based on genetic optimization algorithm
基于遗传优化算法的疲劳驾驶状态辨识方法.pdf
- 文件大小:
- 1.63 MB
- 下载次数:
- 60
-
高速下载
|
|
