对确定驾驶员注意力状态的算法进行探索性开发

科学领域:

• * 调查驾驶员监控系统和车辆动力学,以检测分心.
• * 应用机器学习来分析驾驶员的注意力状态.

背景情况:

• * 由于行为变化,精确检测分心驾驶是具有挑战性的.
• * 增加数据可用性提高了实时注意力状态识别的潜力.

研究的目的:

• * 开发和评估使用车辆和驾驶员数据的驾驶员分心算法.
• * 确定实时驾驶员注意力评估的最佳指标.

主要方法:

• * 开发了四个基于缓冲区的算法,使用基于摄像头的驾驶员监控系统 (DMS) 的驾驶员目光和车辆动力学.
• * 在自然驾驶条件下对24名驾驶员进行测试的算法.

主要成果:

• *最佳算法整合了未分组的目光位置和车辆速度.
• * 提高对高度分心的司机的检测,导致识别专心的司机的准确性降低.

结论:

• * 驾驶员的目光位置和车辆速度对于分心算法至关重要.
• *算法必须承认在准确识别分心和专注的司机方面的局限性.