摘要：为提升疲劳驾驶模型的检测效果,文章以方向盘转角（SA）、PERCOLS、眨眼频率（BF）和眨眼深度（MECD）为特征参数,建立支持向量机（SVM）疲劳驾驶检测模型。并确定了SA、PERCOLS、BF和MECD的最优时间窗。通过模拟驾驶仪和眼动仪对10名受试者进行疲劳驾驶和清醒驾驶的数据采集,最终筛选出疲劳驾驶和清醒驾驶有效样本各600组。完成了疲劳驾驶检测模型的训练和验证,优化了支持向量机的惩罚参数c、核函数参数g。结果显示：该模型的综合疲劳识别准确率高达93.5%,能够较好满足疲劳驾驶检测的要求。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社