《表5 疲劳检测实验结果：基于多尺度池化卷积神经网络的疲劳检测方法研究》

  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

《基于多尺度池化卷积神经网络的疲劳检测方法研究》

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

Wierwille等人[11]提出当进入疲劳时，PERCLOS>0.15，而其他研究者也根据数据将PERCLOS阈值标定为其他值，如0.25[12]。本文在PERCLOS基础上同时考虑了FOM的影响，提出一种疲劳检测的方案:a)当PERCLOS≥0.5或者FOM≥0.5时，判断为疲劳；b)不满足情况a)时，当PERCLOS≥0.4同时FOM≥0.3时，同样判断为疲劳。疲劳检测系统实验中，拍摄10名志愿者模拟驾驶的过程，每人模拟10次疲劳状态，共100次疲劳。同时要求期间可以出现各种干扰状态，如增加眨眼频率、说话、轻笑等。检测系统同时用普通摄像头和红外摄像头实时检测志愿者的状态。表5记录了实验结果。查准率的计算公式为