摘要：为了提高随机森林算法在驾驶员视线估计任务中的分类准确率,设计了一种改进的随机森林模型。首先提取驾驶员的头部姿态特征和眼睛特征;然后通过高斯混合聚类模型对驾驶员特征进行预处理,增加随机森林决策树之间的独立性;并在随机森林建树完成后给予各决策树相应的权重以提高分类效果较好决策树的分类权重。仿真实验表明:改进随机森林算法对驾驶员常用的13个视线区域的平均识别率可以达到93.47%,高于传统随机森林的分类效果。

摘要：针对基于MARG传感器的航姿参考系统精度不高的问题,对传感器误差补偿以及姿态数据融合算法进行了研究。利用改进之后的十二参数椭球拟合法和反向传播神经网络对磁强计进行误差补偿;通过里程计与陀螺仪的信息辅助,完成对加速度计的误差补偿;设定车辆运行的多种工况噪声,获得理想车辆姿态状态估计的最佳增益。构件基于自适应卡尔曼滤波算法多传感器信息融合的姿态测量系统。实验数据表明,该改进自适应卡尔曼滤波算法可与姿态滤波算法相配合,能有效地降低运动加速度和磁场干扰对姿态估计精度的影响,从而有助于提升AHRS在动态环境下的性能。

摘要：驾驶员眼睛状态检测是驾驶员疲劳检测的重要组成部分。为有效解决实际驾驶环境中驾驶员眼睛状态检测问题,提出了一种基于深度融合残差网络的方法。该方法将深度神经网络与深度卷积神经网络相融合,利用深度神经网络对驾驶员眼睛特征进行识别,利用深度卷积神经网络对驾驶员眼睛图像进行分析,最终根据二者检测结果的加权平均值对实际驾驶环境下驾驶员眼睛状态做出判定。模型中深度卷积神经网络部分在多通道卷积的基础上,结合了残差网络和深度模型压缩策略,提升眼睛状态检测精度的同时提高了检测速度。相关实验结果表明,该方法在实验环境和实际环境下与其他已有的方法相比检测精度更高、计算速度更快。