动态贝叶斯网络的立体视觉疲劳概率评估
[1] 靳冰凌, 张震, 张子耀. 基于视觉的驾驶员疲劳特征提取方法[J]. 计算机技术与发展, 2018, 28(11): 193-197.
[2] 王静. 基于功能磁共振的立体视觉功能区定位及观看3D电视视疲劳研究[D]. 南京: 南京航空航天大学,2016.
[3] 沈丽丽, 孙伟鹏. 立体深度运动引发的立体视觉疲劳的脑电评估[J]. 工程科学学报, 2017, 39(9): 1421-1427.
[4] 李静, 王阿妮, 王君乐. 三维显示技术引起的视觉疲劳研究综述[J]. 激光与光电子学进展, 2015, 52(3): 74-83.
[5] 王嘉辉, 程义, 李焜阳, 等. 3D显示方式与视差对视觉疲劳的影响研究[J]. 中山大学学报: 自然科学版, 2013, 52(5): 1-5.
[6] 施笑畏, 王帅. 基于眼球运动参数视觉疲劳评价[J]. 科技信息, 2012(21): 172-173.
[7] 映维网. 伊利诺伊大学为VR研发3D显示屏,解决视觉疲劳问题[J]. 工业设计, 2017(7): 11.
[8] KIM D, CHOI S, PARK S, et al. Stereoscopic visual fatigue measurement based on fusional response curve and eye-blinks[C]//The 17th International Conference on Digital Signal Processing, IEEE, 2011: 1-6.
[9] ZHAN Z H, ZHANG L, HU M, et al. Online learners reading ability detection based on eye-tracking sensors[J]. Sensors, 2016, 16(9): 1457.
[10] LIU F, DENG D, LI P. Dynamic context-aware event re-cognition based on Markov logic networks[J]. Sensors, 2017, 17(3): 491.
[11] ZHANG Z, LUO D Y, RASIM Y, et al. A vehicle active safety model: vehicle speed control based on driver vigilance detection using wearable EEG and sparse representation[J]. Sensors, 2016, 16(2): 242.
[12] 李陆军, 丁建江, 郑玉军, 等. 基于动态贝叶斯网络的导弹发射症候识别方法[J]. 电光与控制, 2016, 23(11): 9-12.
[13] KIM J G, CHO J D. Simplified relative model to measure visual fatigue in a stereoscopy[C]//IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2011: 2830-2831.
吕立程, 桑胜波. 动态贝叶斯网络的立体视觉疲劳概率评估[J]. 电光与控制, 2019, 26(9): 45. LV Licheng, SANG Shengbo. Stereoscopic Fatigue Probability Assessment of Dynamic Bayesian NetworksL[J]. Electronics Optics & Control, 2019, 26(9): 45.