基于HMM的驾驶员疲劳识别在智能汽车空间的应用

《基于HMM的驾驶员疲劳识别在智能汽车空间的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于HMM的驾驶员疲劳识别在智能汽车空间的应用摘　要智能汽车空间作为普适计算一种具体而集中的表现，对此本文提出了一个基于隐马尔科夫模型（HMM）的驾驶员疲劳识别应用。本文选取了PERCLOS特征变量作为测评驾驶员疲劳的低层上下文，通过大量样本数据的训练，建立HMM，用Viterbi算法从观察序列中识别出最有可能的驾驶员隐藏状态，提醒驾驶员以确保安全的驾驶行为。最后通过在模拟实验环境中的案例验证了该方法的有效性。关键词智能汽车空间　隐马尔科夫模型　上下文推理　驾驶员疲劳　PERCLOSAHMM-BASEDDRIVERFATIGUERECOGNITIONAPPLICATIONINSMARTVEH

2、ICLESPACEAbstractSmartVehicleSpaceisaspecificandfocusedperformanceofpervasivecomputing,thispaperpresentsanapplicationofdriverfatiguerecognitionbasedonhiddenMarkovModel(HMM).ThepaperselectedPERCLOSfeaturevariableasalow-levelcontextofdriverfatigueevaluation，andestablishedtheHMMthroughalargenumberoftr

3、ainingsampledata，thenweidentifythemostlikelydriver'shiddenstatefromtheobservationsequenceusingViterbialgorithm,toreminddriverstoensuresafedrivingbehavior.Finally,thecasestudyinthesimulationenvironmentconfirmedtheschemeiseffective.Keywordssmartvehiclespace，HMM，contextreasoning，driverfatigue，PERCLOS5

4、0引　言国家自然科学基金项目(60703088)。吴卿，博士，副教授，主研领域：普适计算，分布式计算，嵌入式汽车电子方向；郁伟炜，硕士研究生，主研领域：分布式计算与应用，上下文感知；当前，普适计算（PervasiveComputing）是计算技术研究和应用的热点，而自发交互是普适计算脱离桌面计算交互模式束缚的关键问题，具有重要的研究价值。智能空间(SmartSpace)正成为研究和谐人机交互原理与技术的典型环境，它通过普适网络，把大量的多模态传感器和带有嵌入式处理器的计算、信息设备相互连接起来，从而将计算智能(computationalintelligence)分布和嵌入到环境和日常工具中，

5、以满足各种特定需求。目前，许多国家的高校和企业研究机构对智能空间开展了广泛的研究，如美国国家标准和技术研究院的SmartSpace[1]、麻省理工学院的IntelligentRoom[2]、微软研究院的EasyLiving[3]、清华大学的SmartClassroom[4]、浙江大学的SmartVehicleSpace(智能汽车空间)[5]等。在智能空间中，系统首先必须知道整个物理环境、计算环境、用户状态等方面的静态和动态信息，即上下文。而上下文感知计算（Context-AwareComputing）即指能够根据上下文的变化自动地作相适应的改变和配置，可以实现所谓的无干扰计算，利用移动用户与

6、智能空间交互产生的各类动态上下文信息，可最大程度地自动执行用户任务。这样，可以减少用户对计算过程的干预，而用户只关心自己的任务。鉴于智能空间中所感知的原始上下文所具有的单一、低层、不稳定、不精确等特点，如何甄别有效的上下文，如何利用上下文演绎出有效的结论成为研究的关键问题，一般采用贝叶斯网络、模糊推理、人工神经网络、隐马尔科夫模型（HMM）[6]等方法解决。HMM作为一种统计分析模型，自20世纪80年代以来，被应用于语音识别，取得重大成功。到了90年代，HMM还被引入计算机文字识别和移动通信核心技术“多用户的检测”。近年来，HMM在生物信息科学、故障诊断等领域也开始得到应用。文献[7]给出了

7、基于HMM来预测机器未来状态的方法，并在实验中得到验证；北京大学[8]提出一种新的基于HMM分类的交通事件检测方法，使之更好地服务于交通监控系统；南京大学[9]提出基于HMM的音频分类算法，用于语音、音乐以及它们的混合声音的分类，实验结果表明：HMM的音频最优分类精度达到90.28%。因此，本文中提出了一种基于HMM的驾驶员疲劳认知推理方法，利用智能汽车空间中的低层上下文，通过CCD图像采集器等传感器来获取基