《表2 眼睛的各种特征与疲劳状态之间的关系》

  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

由于PERCLOS、眨眼频率以及闭眼时间与眼部疲劳的关联度不相同，因此采用概率模型来计算眼部疲劳的程度。从朴素贝叶斯加权的基本思想来看，眼睛的所有特征参数中，某些特征在决策中起决定性作用，同时某些特征参数决策作用相对较小。因此，起关键作用的将赋予相对较大的权重，作用不明显的赋予较小的权重。为了使权重能最大程度的与每个行为特征更好地结合以致系统更优，对于本文，通过计算行为特征和决策特征之间的相关概率来获得眼疲劳参数。统计获得的结果与采样联系密切，得到符合先验知识的眼部各个特征与疲劳的关联度P(Fi|λi），已知单特征的关联度可以得到疲劳度P(Fi），相互独立的情况下可以求得多特征的疲劳度，结果如表2所示。