《表1 样本高校基本情况：基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测》

  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

《基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测》

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

基于自商图与梯度图共生矩阵模型的眼睛状态检测算法能够有效识别视频每一帧图像中眼睛的开闭状态，为后续驾驶员疲劳状态的判别奠定了基础。汪磊和孙瑞山（2012）研究表明:驾驶员的PERCLOS值在清醒状态下小于0.1，轻度疲劳状态下为0.1~0.3，中度疲劳状态下为0.3~0.5，严重疲劳状态下大于0.5。本文利用PERCLOS （Dinges和Grace，1998）与MCD两个疲劳指标来判别驾驶员的疲劳状态，定义如表1所示，单位时间域一般取30s。依据PERCLOS与MCD的值对驾驶员的疲劳状态进行分类。其中，PERCLOS选用的标准是P80，即驾驶员眼睛上眼睑盖住瞳孔80%的面积就认为是闭眼状态。PERCLOS计算为