基于主成分分析法和支持向量机算法的驾驶人疲劳检测方法

汽车驾驶人的疲劳程度识别对于预防交通事故具有十分重要的意义。设计了实车驾驶实验,采集了20名汽车驾驶人在疲劳驾驶状态下的眼动特征参数,将汽车驾驶人的疲劳等级分为警觉、轻度疲劳、深度疲劳和嗜睡四个级别。利用主成分分析法(PCA)预处理了所采集的眼动特征数据,并利用支持向量机(SVM)算法建立了PCA-SVM疲劳检测模型。实验结果表明,该模型能够高精度地识别驾驶人的四种疲劳状态。

校准周期的选择及调整方法研究

目前,很多测量设备都是按照固定的计量周期进行确认的,但是在实际使用过程中,固定的计量周期对于部分测量设备并不合理,最终需根据测量设备的维护保养、使用状况、使用频率、期间核查等情况,综合考虑风险优化及成本把控的基础上确定合理的计量周期。正确地选择计量周期可以提高设备不确定度的可行性,提高设备的准确性,确保设备始终处于良好的工作状态。