基于BP神經網絡和模糊邏輯組合的駕駛危險監測方法

基于BP神經網絡和模糊邏輯組合的駕駛危險監測方法

在智能汽車系統研究領域，駕駛行為的檢測與鑒定引起了廣泛關注，該研究在駕駛員駕駛汽車時能夠有效檢測因疲倦或注意力分散帶來的危險。

如果駕駛員偏離視野正確方向超過2s，則智能系統會通過危險等級提示駕駛員將視野移至正確的方向。

該智能系統可以分為以下3個部分：第一部分包括用以優化系統表現的常規尺寸圖像，同時通過使用直方圖均衡化調整提高圖像的質量；第二部分首先通過設定一個程序來檢測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，這個表情特征被稱作“駕駛員危機表情特征”，通過這個表情特征檢測系統檢測駕駛員目光可能處于的方向；第三部分對收集的數據進行整理與分類。

該智能系統通過BP神經網絡和模糊邏輯估計危險等級并對駕駛員予以警示。這項研究將手機擺放至駕駛員前面，通過其照相功能對5個不同駕駛員進行了超過6000次的圖像采集。研究發現，通過BP神經網絡和模糊邏輯估計危險等級對于危險預測的準確率分別為78.43%和87.12%。

對于危險等級信號輸出的準確性通常通過BP神經網絡和模糊邏輯系統調控，一般在強光和正常光情況下的準確率分別為78.03%和86.63%。在試驗中發現，如果光強度超過250cd和光強度低于5cd，則都會導致準確率下降。照明強度的變化主要影響系統對駕駛員面部細節的捕捉，從而降低捕捉的準確性，進而影響警報系統的報警準確性。

研究將車速和行駛的關系加入到預警系統中進行分析，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