Resumen

Los accidentes de tráfico son fácilmente causados por la conducción cansada. Si el estado de fatiga del conductor se puede identificar a tiempo y se puede proporcionar la correspondiente alerta temprana, se podrían evitar en gran medida los accidentes de tráfico. En la actualidad, el reconocimiento de los estados de fatiga al volante se basa principalmente en la precisión del reconocimiento. En la actualidad, el estado de fatiga se reconoce combinando diferentes características, como las expresiones faciales, las señales del electroencefalograma (EEG), los bostezos y el porcentaje de cierre de los párpados sobre la pupila a lo largo del tiempo (PERCLoS). La combinación de estas características aumenta el tiempo de reconocimiento y carece de rendimiento en tiempo real. Además, algunas características aumentarán el error en el resultado del reconocimiento, como el bostezo frecuente con la aparición de un resfriado o el parpadeo frecuente con los ojos secos. Con la premisa de garantizar la precisión del reconocimiento y mejorar la viabilidad realista y el rendimiento del reconocimiento en tiempo real de los estados de fatiga al volante, se propone un algoritmo de máquina de vectores de soporte rápido (FSVM) basado en EEG y electrooculogramas (EOG) para reconocer los estados de fatiga al volante. En primer lugar, se preprocesan los datos modales de EEG y EOG recogidos. En segundo lugar, se extraen múltiples características de los EEG y EOG preprocesados. Por último, se utiliza FSVM para clasificar y reconocer las características de los datos para obtener el resultado del reconocimiento del estado de fatiga. Basándose en los resultados de reconocimiento, este artículo diseña un sistema de alerta temprana de fatiga al volante basado en la tecnología de Internet de las Cosas (IoT). Cuando el conductor muestra síntomas de fatiga, el sistema no sólo envía una señal de advertencia al conductor, sino que también informa a otros vehículos cercanos que utilizan este sistema a través de la tecnología IoT y gestiona el fondo de la operación.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:fatiga, conductor, estados, estado de fatiga, precisión de reconocimiento, resultado de reconocimiento, máquina de vectores soporte rápida, sistema de alerta temprana, otros vehículos cercanos, rendimiento de reconocimiento temporal
• Keywords:fatigue, driver, states, fatigue state, recognition accuracy, recognition result, fast support vector machine, early warning system, other nearby vehicles, time recognition performance