基于脑电与眨眼频率的可穿戴疲劳驾驶检测系统

在小型化、低功耗的可穿戴设备上,针对运行基于脑电信号的驾驶疲劳检测系统的准确率不高的问题,在对被试者左前额脑电信号Attention和Meditation以及Blink的数据进行关系分析的基础上,分别筛选最佳窗口宽度和分类算法,设计适用于可穿戴设备的疲劳驾驶检测算法,并在安卓智能设备上进行系统实现。采用准确率、正样本识别正确率、负样本识别正确率、敏感性与特异性指标,分别测试4种分类算法,即k临近算法、决策树算法、朴素贝叶斯算法、多层人工神经网络算法的性能,并最终选择k NN分类算法进行系统实现。实验结果证明,该系统的准确率达到83.7%,敏感性与特异性分别达到73.8%和88.6%,系统具有无线、实时、准确高效的特点。

实时视频公交安全监控系统的设计与实现

为了解决高效监控公交安全状况的热点问题,本文使用H.264视频压缩标准与实时流媒体协议RTSP,实现了监控视频的实时传输功能;并结合4G传输、GIS定位、FPGA电路设计等技术设计实现了一个集视频实时传输与车内预警、控制等功能于一体的公交监控系统.通过将系统在北京市公交线路上进行实际测试,验证了本系统可有效提高公交监控的工作效率与管理水平,具有视频建立时间短、视频画面清晰、播放流畅等特点.

基于卡尔曼滤波与k-NN算法的可穿戴跌倒检测技术研究

针对老年人跌倒检测的准确性和实时性需求,该文首先建立了基于姿态角的活动描述模型,研发了集成加速度传感器、陀螺仪和蓝牙的活动感知模块,从而实时采集运动变化数据并使用蓝牙发送到智能手机。其次,选取姿态角及加速度信号向量模作为特征量,通过卡尔曼滤波对数据进行去噪与融合,并应用滑动窗口和k-NN算法实现了可实时感知老年人跌倒并报警的系统。实验证明系统在二分类场景下的跌倒检测准确率为98.9%,而敏感度和特异性分别达到98.9%和98.5%,验证了系统具有良好的实时性和较高的准确率。