基于眼动与头部运动特征并使用k-NN算法的驾驶员 drowsiness 分类
计算机视觉与模式识别
2020-09-29 v1
摘要
现代高级驾驶辅助系统分析驾驶表现以收集有关驾驶员状态的信息。此类系统能够，例如，通过评估转向或车道保持行为来检测困倦迹象，并在困倦状态达到临界水平时警示驾驶员。然而，这类系统无法获取关于驾驶员状态的直接线索。因此，本工作的目的是利用驾驶员监控摄像头的信号来扩展车辆中的驾驶员困倦检测。为此，在驾驶模拟器实验中提取了35个与驾驶员眨眼行为和头部运动相关的特征。基于该大型数据集，我们开发并评估了一种基于k-Nearest Neighbor算法的特征选择方法，用于驾驶员状态分类。对性能最佳特征集的总结分析得出了关于困倦对驾驶员眨眼行为和头部运动影响的宝贵见解。这些发现将有助于未来开发稳健可靠的驾驶员困倦监控系统，以预防疲劳引发的事故。
引用
@article{arxiv.2009.13276,
title = {Driver Drowsiness Classification Based on Eye Blink and Head Movement Features Using the k-NN Algorithm},
author = {Mariella Dreissig and Mohamed Hedi Baccour and Tim Schaeck and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2009.13276},
year = {2020}
}
备注
accepted paper at IEEE Symposium on Computational Intelligence in Feature Analysis, Selection and Learning in Image and Pattern Recognition as part of the 2020 IEEE Symposium Series on Computational Intelligence (SSCI)