《表4 多特征眼部疲劳程度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于眼部信息融合的疲劳驾驶检测的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验通过总共1min的视频片段，分为处于疲劳状态和正常状态的两部分视频样本。帧速率为20.02，以检测到图像为准，若识别存在于已记录的，则通过个体记录的疲劳参数为准，若记录中并未存在驾驶员，则通过检测到正脸的前10s为正常状态。如果实验对象不为近红外人脸库中所记录的人脸图像，以检测到正脸的前10s的人眼，人嘴平均值为正常状态的标准。视频样本总数为1 204帧，其中476个是疲劳驾驶样本，728个是正常驾驶样本。每10s为一个时间窗进行统计，判断阈值如表3设置，采用贝叶斯分类器进行分类，对实验结果统计，并利用贝叶斯公式计算出现疲劳特征λi时疲劳的概率关联度P(Fi|λi）以及P（λi|Fi），如表4所示。