驾驶状态监测法规的实施与探究

从测试要求、步骤、试验结果判定标准、可靠性验证方法等方面,研究了标准T/JSATL13—2017中驾驶员状态监测设备的检测方法,分析了当前该标准在驾驶员状态监测这一功能实施过程中存在的难题,提出了建议和应对措施。     

基于转向盘转角的疲劳驾驶检测方法研究

为监测驾驶人员的疲劳驾驶行为,提出了基于转向盘转角的疲劳驾驶检测方法。该方法利用角度传感器MLX90316采集转向盘转角数据,并从采集的转角数据中提取出了能描述驾驶员疲劳状态的角度标准差和静止百分比,根据角度标准差和静止百分比建立疲劳状态判别模型对驾驶员疲劳状态进行检测。实车试验表明,该方法能够简单、快捷地判断驾驶员的疲劳状态,准确率达到80.3%。     

基于红外图像的夜间驾驶员疲劳检测系统设计

当前来说由于疲劳驾驶而引发的交通事故越来越多,而夜间是疲劳驾驶的高发时段,由于这种原因,文章设计了适用于在夜间监测驾驶员是否处于疲劳状态的系统。利用OPENCV软件对得到的红外图像进行人脸的检测与识别,得到人脸的红外图像,针对得到的人脸红外图像进行灰度化和二值化的处理,设定一个阈值根据二值化后像素的个数判断驾驶员是否处于疲劳状态,如果处于疲劳状态的情况下,系统就会报警提醒驾驶员注意采取措施。如果驾驶员并不处于驾驶疲劳的状态,那么监测系统将继续检测。     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。     

智能网联汽车基础(九)--ADAS驾驶员疲劳监测系统

(接2022年第7期)一、驾驶员疲劳监测相关术语GB/T39263-2020《道路车辆先进驾驶辅助系统(ADAS)术语及定义》对驾驶员疲劳监测(DFM)和驾驶员注意力监测(DAM)都给出了定义。《驾驶员注意力监测系统性能要求及试验方法》中对驾驶员注意力监测系统及相关的表述和定义如下:1.注意力分散驾驶员在驾驶车辆时因疲劳驾驶、受外界环境干扰或从事与驾驶无关的动作,导致其无法专注执行驾驶任务的状态。     

基于眼睛状态识别的驾驶员疲劳实时监测

提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域。在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS、平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态。以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。     

基于眼睛状态的驾驶员疲劳识别

有效防止和监督驾驶员疲劳驾驶,对降低交通事故具有重要意义。文章提出了一种基于眼睛状态识别的驾驶员疲劳状态的识别方法。首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后采用了二值边缘图像的人眼定位方法,计算出眼睛区域的面积和持续闭合时间,依据PERCLOS准则,判断驾驶员是否处于疲劳状态。实验表明,系统能够实时准确地定位人眼及检测眼睛的开闭状态,从而有效地检测驾驶员的疲劳程度。     

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

面向职业驾驶员的疲劳驾驶监测与管理

依托浙江省交通运输厅科技计划项目《面向职业驾驶员的穿戴式心电数据采集及个体健康状态异常分析技术研究》。"两客一危"驾驶员一直是特重大交通事故的主要肇事者,而疲劳驾驶又是诱发事故发生的三大最主要原因之一。针对疲劳驾驶的隐蔽性,且尚未有科学严谨的检测方法来判断疲劳驾驶,并预防疲劳驾驶导致交通事故的发生。面向公路运营行业职业驾驶员,基于可穿戴式的心电监测设备,对驾驶员驾驶过程中的心电数据进行实时监测,进行疲劳程度分析与管理。研究结果有助于"两客一危"相关管理部门及运营企业对驾驶员的管理,以减少运营车辆造成的交通事故。     

驾驶员状态监测目标动作报警阈值的确定

当前驾驶员状态监测目标动作报警阈值的确定多根据技术能力及驾驶员驾驶习惯讨论得出,缺乏理论依据。为此,论文通过设计实验通过驾驶模拟器采集车辆操纵及运行状态参数,建立车辆运行状态评价指标体系。提出一种通过K-means算法对驾驶人不安全驾驶行为数据集进行聚类确定报警动作阈值的方法,可以为驾驶员状态监控系统的开发及相关测试标准的制定提供参考。     

驾驶员状态监督硬件在环试验研究

驾驶员状态对于机动车行车安全有着决定性的影响。针对驾驶员操控车辆行驶过程中的行为状态检测问题,通过基于高斯混合-隐马尔可夫模型的驾驶员状态监督方法对驾驶员状态监督模型的检测结果进行评估,分析其状态识别准确率和接受者操作特性曲线;搭建了驾驶员在环实时仿真硬件平台,并在该硬件在环平台开展硬件在环试验,进一步验证所建模型。结果表明:搭建的硬件在环平台可以进行驾驶员状态监督试验验证,有助于智能汽车驾驶安全性验证。     

基于视频图像和RBF神经网络的疲劳驾驶监测系统

采用视频采集方式和神经网络方法实现了驾驶员疲劳驾驶的非接触式监测。应用车头前端和车厢内部双路视频摄像头分别采集车辆相对于车道线的行驶轨迹和驾驶员的睁闭眼状态,应用Radon变换提取5 s内车头与车道线间的最大和最小偏离、相邻2帧间车头与车道线的最大角度变化量和平均角度差,应用AdaBoost算法提取驾驶员眼睛闭合帧数比例,并将上述各参数作为RBF神经网络的输入来实现驾驶员疲劳状态的动态监测,实验数据表明监测效果良好。     

道路交通系统驾驶员能力与系统任务的匹配与协调研究

在分析、抽象道路交通系统各因素与驾驶员能力和系统任务要求关系的基础上，研究驾驶员能力与系统任务的状态水平。通过对驾驶员能力水平与系统任务匹配状态的研究，揭示系统在不同匹配状态下的安全性，给出系统安全的匹配准则。此外，对驾驶员能力和系统任务的检测及ITS对匹配状态的协调进行分析。     

驾驶疲劳监测技术研究综述

疲劳驾驶是导致恶性交通事故的重要原因,多年来,一直受到人们的广泛关注.国内外学者围绕驾驶员疲劳监测问题开展了大量研究工作,提出了基于心电、脑电、脉搏、面部状态、操作参数监测等诸多方法,用于判定驾驶员的疲劳状态.本文对国内外的研究现状进行了综述,为致力于疲劳驾驶研究工作的技术人员提供参考.     

基于驾驶行为的汽车节油提醒系统的应用

本文主要提出一种汽车节油提醒的方法及系统的应用,通过实时监测驾驶员的驾驶行为并对驾驶员的驾驶行为进行判断,当驾驶员处于非节油驾驶状态时进行警示并给出驾驶建议,从而帮助驾驶员改善驾驶习惯,达到汽车节油降耗的目的。本文针对不同的驾驶阶段采取的判断逻辑和提醒措施进行阐述。     

上海通用昂科雷新技术剖析(五)

七、轮胎气压监测(TPM)系统 1.功能 当4个轮胎中的任何轮胎气压明显下降或上升时,轮胎气压监测(TPM)系统会对驾驶员发出警报,并使驾驶员能够在驾驶员信息中心(DIC)显示单个轮胎气压及其位置.     

东海大桥健康监测系统桥梁健康状态评估方法

在东海大桥桥梁结构健康监测系统评估子系统中,用层次分析法建立了桥梁性能评价模型,分析确定影响桥梁结构性能状态的各因素及隶属度。对可量化的桥梁监测、检查数据以模糊推理法进行评估打分,对非量化的程度描述根据专家系统直接评估打分,综合分析计算后,得出各区段桥梁安全性、耐久性及使用性的评分,再以加权的方法最终确定大桥健康状态等级。实现了桥梁状态即时评估,为养护管理决策提供科学依据。     

驾驶员状态监测系统测试评价方法分析

随着智能驾驶汽车的高速发展，L2级别的高级辅助驾驶系统装车率也越来越高，L3级自动驾驶已逐步实现，而安全自动驾驶还尚未完全落地，当前正处于人机共驾阶段，尽管ADAS系统可以降低交通事故发生率，但疲劳驾驶、分心驾驶和危险驾驶等交通安全“隐形杀手”仍长期存在，给驾驶员和乘客带来生命安全，驾驶员状态监测系统能有效避免疲劳或者分心驾驶引发的交通事故，已经成为避免事故和改善道路驾驶安全的一项关键技术。本文介绍了驾驶员状态监测系统工作原理，分析了目前国内外驾驶员监测系统的测试评价方法，并总结了该系统的未来发展动向。     

基于灰度投影的驾驶员图像眼睛定位

眼睛位置的快速准确定位是利用视觉方法对驾驶员的驾驶状态进行监测和预警的前提。采用一种基于灰度特征投影的方法进行眼睛位置的有效快速定位。在利用皮肤颜色YCrCb空间分布二维高斯模型可靠定位人脸区域的基础上，建立了进行眼睛位置检测的感兴趣区域，最后分别对灰度图像和二值化图像进行水平和垂直方向灰度投影确定眼睛位置。实验结果表明，该算法具有很好的可靠性和实时性，为后续驾驶员状态研究奠定了良好基础。     

基于脑电信号的疲劳驾驶状态研究EI北大核心CSCD

为准确快速检测驾驶员的疲劳状态,本文中提出了一种基于脑网络特征的疲劳检测方法。首先选取真实驾驶实验环境,实时采集驾驶员的脑电信号,对其进行小波包分解与重构,提取各个节律信号。接着通过计算各导联间的相位迟滞指数,构建连接矩阵,并提取各个节律的脑网络特征。最后通过对驾驶员主观疲劳度与所提取特征的人工神经网络回归分析,得到二者间的复杂关系,相关性系数R为90.27%。结果验证了基于功能连接的精神疲劳评估方法的可行性,为不同精神状态下建立脑动态模型开辟了新的途径。本文中提出的方法利用较少电极可穿戴EEG设备检测疲劳简便、经济,对驾驶员疲劳检测系统的开发具有重要意义。