摘要：为了提高基于单一特征检测算法的准确率和鲁棒性,提出了一种基于多个特征的驾驶员疲劳融合检测算法。选取能够直接反映驾驶员疲劳程度的2个面部特征(眼睛和嘴巴)对驾驶员状态进行综合判断。针对驾驶员头部多角度变化时导致面部特征定位困难的问题,提出了基于主动形状模型(ASM)人脸特征定位算法,应用12个ASM特征标记点,准确定位出眼睛和嘴部特征。针对疲劳程度三级分类(清醒、疲劳及严重疲劳)难以确定的问题,提出了基于模糊推理系统的疲劳检测算法,根据人的经验,"智能"地判断疲劳程度,从而准确地量化疲劳这一模糊概念。实验结果对比表明,综合眼睛和嘴部信息,比采用单参数检测算法减少了误判的概率,具有较高的准确性和鲁棒性。

摘要：为了提高对驾驶员疲劳程度检测的准确性与鲁棒性,提出了一种基于主动形状模型的多个特征融合疲劳检测算法。首先利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置,然后对检测到的人脸进行基于主动形状模型(active shape model,ASM)的特征点定位,利用12个ASM特征标记点,得出眼睛、嘴部和头部的状态参数,再相应地计算出PERCLOS(percentage of eyelid closure over the pupil over time)、AECS(average eye closure speed)、哈欠频率、点头频率等4个疲劳特征,最后利用自适应神经模糊推理系统(adaptive network based fuzzy inference system,ANFIS)判决出驾驶员的3级疲劳程度(清醒、疲劳和严重疲劳)。实验结果表明,本方法对驾驶员疲劳检测准确率达93.3%,具有较高的准确性与鲁棒性。

摘要：生物危害应急响应是生物安全保障的重要组成部分,需要紧密围绕应急响应预案来组织实施。针对目前的应急响应预案知识组织研究尚不完善,现有的数据模型不能满足生物危害态势时空分析需要的问题,在ABC本体模型的基础上构建了生物危害应急响应地理本体模型(biohazard emergency response geo⁃ontology model,BEROM),并建立了用于应急决策推理的规则集。对北京市严重急性呼吸道综合征(severe acute respiratory syndrome,SARS)应急响应任务实例分析的结果表明,所提模型相较于传统方法能够更好地融合事件信息与预案知识,从而通过对模型的推理给出更有效的应急决策意见。应急响应预案智能构建的实现,为应急决策提供了一种新的知识模型,验证了模型的合理性和有效性。