《表2 系统性能评价表:基于多类别特征融合的疲劳检测系统研究》
图4为实验中随机挑选的一名实验对象的检测数据,从图4可以看出系统可以有效地反映出疲劳度与驾驶时长的关系,且经算法改进后的预测值与测量值更为接近,波动范围明显变小。图5,图6可反映出针对图像特征提取中干扰因素的优化算法对系统性能提升明显。约定系统性能的评价标准为预测误差百分比,平均绝对误差MAE,均方根误差RMSE,可得到系统性能评价如表2所示。由表2可知,改进前后的系统预测误差分别为26%和19%,且改进后MAE与RMSE的降幅分别为52%与43%,预测结果的准确性和稳定性明显增加。由此可见,本文建立的系统可以有效地完成对驾驶员疲劳状态的检测,针对图像特征提取中干扰因素的优化算法对系统性能提升明显。
图表编号 | XD0044233600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张博、李鸿、李会超 |
绘制单位 | 长沙理工大学、长沙理工大学、长沙理工大学 |
更多格式 | 高清、无水印(增值服务) |