计算机应用研究

作者：袁小平,孙辉,王岗,

单位：中国矿业大学信息与控制工程学院,江苏徐州221008；

关键词：警惕性,注意力程度,人脸ASM,改进ASEF,SVM,

基金：国家科技支撑计划资助项目(2013BAK06B08)；江苏省自然科学基金资助项目(BK20170278)；；

针对驾驶员警惕性研究中分析注意力程度的重要性，提出基于修正主动形状模型（ASM）的驾驶员警惕性识别方法。首先建立包含26个特征点的人脸ASM，其次结合面部结构约束构建了双眼平均合成精确滤波器（ASEF），并通过旋转进一步增强鲁棒性，然后用改进ASEF修正人脸ASM；采用左右瞳孔和鼻子特征点建立三角形视线模型，并分析驾驶员注意力程度，利用左右眼角特征点距离对眼睛闭合程度进行归一化，最后利用支持向量机（SVM）分类得到警惕性程度。利用Visual Studio 2017平台进行实验，结果显示，改进ASEF滤波器的准确率达到95.16%，SVM对警惕性程度的分类准确率达到93.8%，每帧平均耗时49.13 ms，表明提出的方法能够有效地识别驾驶员的注意力程度以及警惕性程度。

来源：2020年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第7期