基于动态贝叶斯估计的疲劳驾驶识别研究

doi:10.3969/j.issn.0258-8021.2019.06.015

Abstract
Figure/Table
References
Related Citation (15)

[1] Yang Guosheng,Lin Yingzi, Bhattacharya P. A driver fatigue recognition model based on information fusion and dynamic Bayesian network [J]. Information Sciences, 2010, 180: 1942-1954.
[2] 袁翔,孙香梅.疲劳驾驶检测方法研究进展[J].汽车工程学报,2012,2(3):157-164.
[3] 王斐,王少楠,王惜慧,等.基于脑电图识别结合操纵特征的驾驶疲劳检测[J].仪器仪表学报,2014,35(2):398-404.
[4] 王仲民,李佳玉,邓三鹏.基于D-S理论和模糊神经网络的疲劳驾驶监测[J].自动化与仪表,2016,31(3):73-76.
[5] 秦洪懋,刘志强,汪澎.基于多通道信息融合的疲劳驾驶行为分析研究[J].中国安全科学学报,2011,21(2):117-122.
[6] 荣猛,范强,李凯扬.基于IPPG非接触式生理参数测量算法的研究[J].生物医学工程研究,2018,37(1):27-31,35.
[7] 谢宏,周笑丽,夏斌,等.疲劳驾驶识别中的脑电信号特征选择算法和支持向量机模型研究[J].中国生物医学工程学报,2014,33(4):482-486.
[8] 裴玉龙,金英群,陈贺飞.基于脑电信号分析的不同年龄驾驶人疲劳特性[J].中国公路学报,2018,31(4),59-65,77.
[9] 付荣荣,王宏,王琳等.基于无线体域网中多生理信号驾驶疲劳检测[J].东北大学学报(自然科学版),2014,35(6):850-853.
[10] 高佳,王蔚.基于稀疏贝叶斯网络的情绪脑电的有效性脑网络研究[J].生物医学工程学杂志,2015,32(5):945-951.
[11] 王琳,付荣荣,张陈等.基于无线体域网和复合生理信号近似熵的驾驶疲劳研究[J].中国生物医学工程学报,2017,36(5):543-549.
[12] Li Wei, He Qichang, Fan Xiumin, et al. Evaluation of driver fatigue on two channels of EEG data[J]. Neuroscience Letters, 2012, 506(2):235-239.
[13] 冯志伟.隐马尔可夫模型及其在自动词类标注中的应用[J].燕山大学学报,2013,37(4):283-298.
[14] Ji Qiang, Zhu Zhiwei, Lan P. Real-time nonintrusive monitoring and prediction of driver fatigue [J]. IEEE Transactions on Vehicular Technology, 2004, 53(4): 1052-1068.
[15] 李俊林,符红光.改进的基于核密度估计的数据分类算法[J].控制与决策,2010,25(4):507-514.
[16] 汪云云,陈松灿.基于AUC的分类器评价和设计综述[J].模式识别与人工智能,2011,24(1):64-71.
[17] Purves RD. Optimum numerical integration methods for estimation of area-under-the-curve (AUC) and area-under-the-moment-curve (AUMC)[J]. Journal of Pharmacokinetics & Biopharmaceutics, 1992, 20(3): 211-226.
[18] Ji Qiang, Lan P, Looney C. A probabilistic framework for modeling and real-time monitoring human fatigue[J]. IEEE Transactions on Systems, Man, and cybernetics-Part A: Systems and Humans, 2006, 36(5): 662-875.