基于BP神经网络和模糊逻辑组合的驾驶危险监测方法

基于BP神经网络和模糊逻辑组合的驾驶危险监测方法

在智能汽车系统研究领域，驾驶行为的检测与鉴定引起了广泛关注，该研究在驾驶员驾驶汽车时能够有效检测因疲倦或注意力分散带来的危险。

如果驾驶员偏离视野正确方向超过2s，则智能系统会通过危险等级提示驾驶员将视野移至正确的方向。

该智能系统可以分为以下3个部分：第一部分包括用以优化系统表现的常规尺寸图像，同时通过使用直方图均衡化调整提高图像的质量；第二部分首先通过设定一个程序来检测人们的面部表情特征（尤其是眼睛和鼻子），然后建立一种表情特征，这个表情特征被称作“驾驶员危机表情特征”，通过这个表情特征检测系统检测驾驶员目光可能处于的方向；第三部分对收集的数据进行整理与分类。

该智能系统通过BP神经网络和模糊逻辑估计危险等级并对驾驶员予以警示。这项研究将手机摆放至驾驶员前面，通过其照相功能对5个不同驾驶员进行了超过6000次的图像采集。研究发现，通过BP神经网络和模糊逻辑估计危险等级对于危险预测的准确率分别为78.43%和87.12%。

对于危险等级信号输出的准确性通常通过BP神经网络和模糊逻辑系统调控，一般在强光和正常光情况下的准确率分别为78.03%和86.63%。在试验中发现，如果光强度超过250cd和光强度低于5cd，则都会导致准确率下降。照明强度的变化主要影响系统对驾驶员面部细节的捕捉，从而降低捕捉的准确性，进而影响警报系统的报警准确性。

研究将车速和行驶的关系加入到预警系统中进行分析，能够有效减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.

编译：王一浏