一、进展情况

项目组按照项目进度安排，已经开展了8次的实验数据采集，计算了数据的眼动特征值，并确立了以perclos和眨眼时间均值为疲劳特征，建立了疲劳分类模型。初步分析了疲劳预警系统的功能、界面和系统的程序流程图等，然后按分析结果设计出基于Android的疲劳预警系统。

二、存在的问题

    本项目在实验数据的采集次数只有8次，次数偏少。并且其中只有7次的实验数据较好。由于实验数据偏少，导致疲劳分类模型的识别率只有70%左右。此外，本次选择的疲劳特征只选取了perclos和眨眼时间均值，没有选取更多地有显著差异性的眼动特征。可能也会导致识别率偏低。因此后期增加实验数据，采集更多的受试者的驾驶数据以及研究更多的疲劳特征是有待后期进一步研究的内容。

2019.6-2020.6  计划采集5-10例受试者的实验，优化疲劳分类器。

2020.6-2020.10  整理结题材料

项目组成员严格按照项目进度开展项目工作，到目前已经完成了实验数据的收集，疲劳分类模型的建立以及疲劳预警系统的功能分析。基本完成该阶段的工作。团队成员工作态度积极、相互协作，工作任务完成较好。经费使用合理。