基于转向盘图像的驾驶员疲劳检测方法研究

为避免因疲劳驾驶导致交通事故,提出一种基于转向盘图像的驾驶员疲劳检测方法。该方法利用摄像头实时采集转向盘图像,经过处理得到转向盘转角,进而提取与疲劳相关的零速百分比和角度标准差两项指标,在此基础上采用支持向量机融合算法建立了驾驶员疲劳判别模型。试验结果表明,所建立的判别模型检测正确率达85%,检测方法具有操作简单、实用性强和鲁棒性好等优点。     

基于转向盘操作的疲劳驾驶检测方法

疲劳驾驶是引发道路交通事故的主要原因之一,研究利用转向盘操作行为特征检测驾驶人疲劳的方法对改善交通安全具有重要意义.研究通过分析基于驾驶模拟器的疲劳状态下的实验数据,提取了描述疲劳状态的不同特征参数,运用方差分析方法量化了不同驾驶状态下特征参数的差异性水平,优化出转向盘转角标准差、转向盘角速度标准差、转向盘转角变异系数、转向盘转角熵和零速百分比5个参数作为疲劳驾驶的有效特征参数组.建立了基于支持向量机的驾驶人疲劳状态检测模型,并采用测试集样本对搭建的模型进一步验证,结果表明该模型对驾驶人疲劳的模型检测准确率为81.33％,灵敏度为85.33％,特异度为77.33％.     

基于驾驶行为的疲劳驾驶判别算法研究

为了有效判别驾驶员的疲劳驾驶状态,本文利用模拟驾驶器开展驾驶实验,采集了20名驾驶员在疲劳状态和正常状态的实验数据;为了提取能表征驾驶员疲劳和正常驾驶状态时的行为特征,本文对获取的速度、方向盘转角和车辆横向位置的样本熵进行了分析,最终提取了该三类参数的样本熵作为疲劳驾驶的有效特征组;构建了基于BP神经网络的驾驶员疲劳驾驶判别算法,并采用测试集样本对构建的算法进行验证.实验结果表明:该算法对于驾驶员疲劳驾驶检测的准确率较好、运行时间较短、具有较好的鲁棒性和实用性.     

基于模式识别的车辆防疲劳驾驶智能转向盘及其监控算法的设计

该转向盘以嵌入式系统为核心,利用GPS数据变化判定车辆驻、行状态,以控制持续驾驶时间的计算周期,利用变压器式角位移传感器采集转向盘转角电压变化,采用电压波模式识别判断疲劳状态,并结合持续驾驶时间参量对疲劳驾驶进行预警。     

基于计算机视觉的驾驶员转向操作实时监测研究

为实时监控驾驶员操纵转向盘的状态，构建了基于机器视觉汽车转向盘实时监控系统，并运用阈值分割和边缘检测方法对转向盘图像中感兴趣区域进行了图像分割，提出了转向盘转角的计算公式。试验结果表明，感兴趣区域图像分割与转向盘转角监测方法有效。     

紧急避撞工况下驾驶员异常行为检测

在紧急避撞场景下,驾驶员极易因慌乱和误判,产生异常驾驶行为,故提前检测出驾驶员的异常行为对于确保驾驶员自身和周边交通的安全有重要意义.为此,本文中提出了综合转向盘转角残差序列和相平面图判断的异常驾驶行为检测方法.首先,基于相平面法确定车辆稳定性边界;接着,建立基于模型预测控制的驾驶员模型,构造实际驾驶操作与驾驶员模型参...     

个体差异对转向指标疲劳辨识能力的影响分析

驾驶人个体差异是影响疲劳驾驶辨识准确性的重要因素。为了探究个体差异与基于转向行为的疲劳辨识效果之间的关系，量化个体差异对转向特征指标疲劳辨识能力的影响程度，通过自然驾驶试验，采集被试在清醒状态和疲劳状态下的真实驾驶行为数据，结合观察员问询打分和被试面部视频得到疲劳水平信息。设置双层滑动时间窗对每位驾驶人的自然驾驶行为数据进行处理，挖掘出9个疲劳驾驶转向特征指标。对每位驾驶人清醒和疲劳状态下的指标样本进行Wilcoxon检验，用Wilcoxon检验的|Z|值表示指标对驾驶疲劳的分类性能。以清醒和疲劳状态下指标有显著差异的被试数目最多为优化目标，得到指标最优的双层时间窗设定值。将|Z|值最大的被试逐个与其他被试两两组合，对清醒和疲劳状态下混合两被试指标样本数据进行Wilcoxon检验，得到被试组合指标的|Z|值。计算两被试的综合个体差异值，基于线性模型拟合两被试组合Wilcoxon检验的|Z|值和个体差异值，以拟合直线的斜率绝对值|k|量化个体差异对指标疲劳辨识能力的影响。研究得到基于自然驾驶行为数据的9个疲劳驾驶转向特征指标的最优时间窗，发现指标对疲劳驾驶的分类性能存在个体差异，并且指标的疲劳辨识能力会随个体差异增加而降低，进而影响基于转向行为指标疲劳辨识的准确性，其中方向盘转角下四分位标准差（X_q1std）的斜率绝对值最大（1.17），方向盘转角标准差（X_jstd）的斜率绝对值最小（0.44），疲劳辨识能力受个体差异影响最大和最小的指标分别是X_q1std和X_jstd。研究结果可为利用自然驾驶行为数据的疲劳驾驶特征提取及考虑个体差异的疲劳驾驶建模提供参考。     

连续驾驶条件下公交驾驶员疲劳特征实验研究

为辨识公交驾驶员的疲劳状态随驾驶时间的变化关系,采用驾驶模拟器进行模拟驾驶实验.采集驾驶员连续驾驶过程中脉搏和呼吸周期数据,进行曲线拟合,选取拟合效果最好的高斯曲线用于疲劳状态界定;进而建立依据生理指标判断驾驶员疲劳状态的2项Logistic模型.以20~30岁男性公交驾驶员为测试对象进行案例研究,建立判定该类驾驶员疲劳状态的模型,得到其合理连续驾驶时间阈值为235 min.提出的方法可为公交安全监控和管理工作所借鉴.      

线控转向稳态增益与动态反馈校正控制算法

以29自由度汽车动力学模型为基础,提出了保证线控汽车转向增益不变的稳态控制策略,使线控汽车转向特性不随车速和转向盘转角变化;提出了基于状态反馈的动态校正稳定性控制算法。仿真和驾驶模拟器实验表明,基于转向增益不变的稳态控制策略保证了汽车转向特性不变,减轻了驾驶员的负担,适合于更多的驾驶人群;基于状态反馈的动态校正稳定性控制算法有效提高了汽车的稳定性。     

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。     

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。     

基于人眼特征的疲劳驾驶状态检测方法

为获取用于检测驾驶疲劳状态的关键指标,通过实车试验采集了驾驶员行为状态、眼动数据和车辆动态信息,对比分析了各参数对驾驶员主观疲劳状态的反映程度。对于驾驶员眼部特征检测,使用特征提取器完成人脸位置的实时跟踪,并使用 68 点面部特征检测算法标记关键点位置,估算出眼睛长宽比（EAR）。通过分类与回归树（CART）决策算法训练数据模型,实现在一定窗口期内对驾驶员眨眼行为的准确决策分类,获得眼睛闭合率（PERCLOS） 等关键眼部特征指标。在此基础之上设计了 13 种驾驶疲劳状态检测指标,并与卡罗林斯卡嗜睡量等级（KSS）这一主观疲劳程度衡量参数作相关性评价。研究结果表明： PERCLOS 与KSS 的相关性最高,相关系数为 0.83,因此借助 PERCLOS 可以较准确地判断驾驶疲劳状态。     

高海拔地区驾驶员疲劳特性分析

为完善高海拔地区公路平面线形设计指标体系和提高高海拔地区公路交通安全,采用行车试验方法,通过心率血氧测试仪、五轮仪等仪器采集驾驶员在高海拔地区一级公路不同海拔行驶过程中的心率、血氧及车速等数据。分析不同海拔驾驶员心率、血氧随海拔高度变化的变化规律,得到了驾驶员心率、血氧量与海拔高度的变化曲线;利用SPSS软件计算了驾驶员心率RR间期标准差SDNN、平均值M、心率间期变异系数RRVC和驾驶疲劳度累积量DFC,得到了高海拔地区不同海拔高度疲劳起始时间及驾驶疲劳度DFD变化曲线;采用定性与定量相结合的方法界定驾驶员无疲劳感、轻度疲劳、中度疲劳和重度疲劳状态,建立了不同疲劳状态下驾驶疲劳度DFD与海拔H的关系模型。结果显示,驾驶员心率随着海拔的升高而增大,血氧量随着海拔升高而降低,心率随着血氧量的减小而增大;驾驶员疲劳度变化呈现"S"曲线,无疲劳感对应"S"形曲线的起点,轻度疲劳和中度疲劳对应"S"曲线的两个拐点,重度疲劳对应"S"曲线的终点;高海拔地区驾驶疲劳起始的时间比一般地区早,且驾驶疲劳度比一般地区高。研究结果为高海拔地区公路线形指标设计与交通安全保障措施的设置研究提供了理论依据,以期提高高海拔地区公路交通安全水平。     

基于自然驾驶数据的驾驶员紧急变道行为开环模型

基于"中国大型实车路试先行实验(China Pilot-FOT)"所采集的自然驾驶数据,提出了一种开环模型,它可以描述驾驶员紧急变换车道行为。将方向盘转角和方向盘转角变化率作为变道紧急程度的筛选条件,从中筛选出228例紧急变换车道工况。基于最大方向盘转角与最大方向盘转角变化率的线性关系,分析了紧急变换车道的持续时间。利用其中50百分位驾驶数据,来拟合模型参数。使用相关性和显著性检验,验证了真实驾驶数据与驾驶计算模型的关系。结果表明:该模型的输出结果与真实驾驶员操作结果一致性良好。因此,该模型可以描述中国一般驾驶员紧急变道行为。     

驾驶员弯道操纵能力实车测试与分析方法研究

为客观评价不同驾驶员的弯道操纵能力，提出了一种驾驶员弯道行驶过程操纵行为实车测试分析方法。招募12名驾驶员在试验场标准路面上进行实车试验，分别以30 km/h、40 km/h、50 km/h的初速度驶入U形弯道并自由行驶，记录驾驶员操控数据和车辆运动状态数据，对驾驶员弯道操纵能力进行分析。试验结果表明：不同能力的驾驶员在纵向车速、纵向加速度、纵向急动度、转向盘转角、横摆角速度、转向盘转角熵值等指标上呈现明显差异。该方法可进一步扩展应用于自动驾驶汽车的弯道行驶能力分析评估。     

驾驶员避撞转向行为的改进K-means聚类与识别

本文中根据不同工况驾驶员转向行为数据,提出了基于驾驶员避撞转向行为特征的聚类算法。首先搭建驾驶模拟器,采集了定半径转向、常规换道和紧急避撞转向工况下的驾驶行为数据,通过对比正常行驶和紧急避障工况下驾驶员转向行为数据,定性分析了紧急避撞转向特点。之后,利用皮尔逊相关系数法分析了描述驾驶员转向行为的观测变量与紧急避撞转向行为的相关性,得出转向盘转速与转向工况的相关性最高。接着,以转向盘转速作为聚类特征参数,利用改进K均值(K-means++)聚类方法对转向行为数据进行了聚类,将转向行为划分为正常转向和紧急避撞转向,实现了紧急避撞转向工况的识别。最后,通过实车试验验证了所提出的紧急避撞转向行为K-means++聚类方法可有效识别驾驶员紧急避撞转向行为,聚类精度达96.7%。     

一种基于驾驶员生理信号的非接触式驾驶疲劳检测技术

本文中基于驾驶员的生理信号提出一种非接触便携式的驾驶疲劳检测技术。首先通过传感器采集到汽车行驶过程中驾驶员的股二头肌的生理信号,经快速独立成分分析分离出肌电信号和心电信号,并采用经验模态分解进行去噪。接着在此基础上,提取出肌电信号复杂度、心电信号复杂度和心电信号样本熵3个特征参数。综合这3个特征参数能明显区分驾驶员的正常和疲劳两种状态。最后采用主成分分析法将特征参数进行降维,获得了2个能有效表征疲劳状态的主成分,以此为自变量建立了判定驾驶疲劳的数学模型。经验证,该模型能较准确地判别驾驶员在驾驶过程中的正常和疲劳状态,准确率达90%以上。     

疲劳驾驶检测方法研究进展

疲劳驾驶是诱发交通事故的重要因素,研究如何快速准确地识别出驾驶员的疲劳状态,并在事故发生前进行疲劳预警,对预防疲劳驾驶、促进交通安全具有重要的研究价值和社会意义。文章从疲劳的检测原理出发,对比介绍了基于驾驶员生理特征、车辆行为特征、驾驶员面部特征的疲劳检测方法,重点分析了基于机器视觉的疲劳驾驶检测研究现状及其特点,以期为研究人员提供新思路。     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

基于物联网的道路客运车辆驾驶员疲劳驾驶监测系统研究

为减少因疲劳驾驶引发的交通事故,降低交通参与者生命财产受损风险,本文设计了一种基于物联网的道路客运车辆驾驶员疲劳驾驶监测系统。该系统具有三个部分,分别是可穿戴设备采集终端、智能手机软件和监控中心监测终端,其中监测系统有效连接驾驶员和监控中心,当终端节点采集的数据超过阈值,监控人员将及时干预驾驶员,有效实现风险预警。实际测试结果表明,该系统疲劳判定的准确率达94%以上,可用性高稳定性强,具有较好的应用前景。