基于BP神經(jīng)網(wǎng)絡(luò)和模糊邏輯組合的駕駛危險(xiǎn)監(jiān)測(cè)方法

在智能汽車系統(tǒng)研究領(lǐng)域，駕駛行為的檢測(cè)與鑒定引起了廣泛關(guān)注，該研究在駕駛員駕駛汽車時(shí)能夠有效檢測(cè)因疲倦或注意力分散帶來(lái)的危險(xiǎn)。

如果駕駛員偏離視野正確方向超過(guò)2s，則智能系統(tǒng)會(huì)通過(guò)危險(xiǎn)等級(jí)提示駕駛員將視野移至正確的方向。

該智能系統(tǒng)可以分為以下3個(gè)部分：第一部分包括用以優(yōu)化系統(tǒng)表現(xiàn)的常規(guī)尺寸圖像，同時(shí)通過(guò)使用直方圖均衡化調(diào)整提高圖像的質(zhì)量；第二部分首先通過(guò)設(shè)定一個(gè)程序來(lái)檢測(cè)人們的面部表情特征（尤其是眼睛和鼻子），然后建立一種表情特征，這個(gè)表情特征被稱作“駕駛員危機(jī)表情特征”，通過(guò)這個(gè)表情特征檢測(cè)系統(tǒng)檢測(cè)駕駛員目光可能處于的方向；第三部分對(duì)收集的數(shù)據(jù)進(jìn)行整理與分類。

該智能系統(tǒng)通過(guò)BP神經(jīng)網(wǎng)絡(luò)和模糊邏輯估計(jì)危險(xiǎn)等級(jí)并對(duì)駕駛員予以警示。這項(xiàng)研究將手機(jī)擺放至駕駛員前面，通過(guò)其照相功能對(duì)5個(gè)不同駕駛員進(jìn)行了超過(guò)6000次的圖像采集。研究發(fā)現(xiàn)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)和模糊邏輯估計(jì)危險(xiǎn)等級(jí)對(duì)于危險(xiǎn)預(yù)測(cè)的準(zhǔn)確率分別為78.43%和87.12%。

對(duì)于危險(xiǎn)等級(jí)信號(hào)輸出的準(zhǔn)確性通常通過(guò)BP神經(jīng)網(wǎng)絡(luò)和模糊邏輯系統(tǒng)調(diào)控，一般在強(qiáng)光和正常光情況下的準(zhǔn)確率分別為78.03%和86.63%。在試驗(yàn)中發(fā)現(xiàn)，如果光強(qiáng)度超過(guò)250cd和光強(qiáng)度低于5cd，則都會(huì)導(dǎo)致準(zhǔn)確率下降。照明強(qiáng)度的變化主要影響系統(tǒng)對(duì)駕駛員面部細(xì)節(jié)的捕捉，從而降低捕捉的準(zhǔn)確性，進(jìn)而影響警報(bào)系統(tǒng)的報(bào)警準(zhǔn)確性。

研究將車速和行駛的關(guān)系加入到預(yù)警系統(tǒng)中進(jìn)行分析，能夠有效減少由于超速而造成的重大交通事故。

Arkhom Songkroh et al. 2014 IEEE/ACIS 13th International Conference on Computer and Information Science(ICIS)，Taiyuan，2014.

編譯：王一瀏