基于车辆运行数据的疲劳驾驶状态检测

疲劳驾驶是导致交通事故的主要原因之一，及时检测疲劳驾驶，并提醒驾驶员集中注意力，对保证安全行车具有重要意义.本文基于CAN(Controller Area Network)总线采集的车辆运行状态数据，提取了18项与驾驶行为相关的特征，并采用随机森林算法对疲劳驾驶进行识别，结果表明整体的识别准确率为0.785，其中召回率为0.61，即61%的疲劳驾驶状态可被识别出来.实验表明，基于车辆运行状态的疲劳驾驶检测具有一定的效果，且与其他客观的疲劳驾驶检测方法(基于驾驶员生理指标和图像面部特征)相比，具有简单方便，不影响驾驶，且成本低的优势.     

基于人体姿态空时特征的驾驶员疲劳检测

为减少疲劳驾驶给道路交通带来的安全隐患，本文以驾驶员人体姿态为研究对象，分析驾驶动作变化与驾驶员疲劳状态之间的联系，提出基于空时特征与人体姿态的驾驶员疲劳检测模型。首先，以改进的Simple Baselines网络定位驾驶员骨架关键点(空间特征)；其次，分析驾驶过程中人体姿态的变化特点，依据“高内聚、低耦合”的原则将人体关键点模块化，以此为基础设计多个与驾驶员疲劳驾驶相关的特征表示；最后，引入滑动窗口计算各疲劳特征的离散程度，将其作为长短时记忆网络(时间特征)的输入，从而实现对驾驶员疲劳状态的预测。通过13位被试驾驶人的驾驶行为数据实验结果表明：使用本文提出的基于空-时特征和人体姿态的驾驶员疲劳检测模型可达到97.73%的检测精确率，98.95%的召回率以及98.35%的准确率，表明该检测模型具有可行性。     

基于多特征融合的疲劳驾驶检测

针对疲劳驾驶检测的特征源单一、辨识率低和实时性差等问题，提出基于多特征融合的疲劳驾驶检测方法。通过SSD目标检测算法进行人脸检测，利用轻量级模型PFLD实现人脸关键点定位。以眼部纵横比、嘴部纵横比和头部姿态为疲劳特征源，提取相关特征，对不同驾驶员疲劳阈值进行标定，基于改进的PERCLOS算法实现疲劳驾驶判定。仿真结果表明：多特征融合疲劳检测系统对自建数据集和YAW数据集的疲劳特征辨识率分别达到了90.5%和94.12%，在实时视频流上的执行效率达到31.59 ms，实现疲劳预警。     

基于眼部特征的疲劳驾驶检测算法研究

疲劳驾驶是交通事故的一个重要致因,文章从驾驶员的面部特征入手,通过肤色特性找到图像中的人脸区域,并采用积分投影法和边缘检测对驾驶员眼睛进行定位,选取眼睛区域面积与人眼图像面积的比值作为眼睛状态评判指标;建立睁眼、半闭眼、闭眼3种状态下的人眼样本,依据3σ准则得到相应的区间范围,从而识别驾驶员的眼部状态,实现一种适合于疲劳驾驶检测系统的改良算法。     

基于脑电信号的高速公路驾驶疲劳检测研究

高速公路驾驶环境单调枯燥,容易使驾驶员产生驾驶疲劳,影响行车安全。通过检测高速公路模拟环境下驾驶员脑电信号特征,验证了采用脑电信号作为驾驶疲劳检测指标的合理性。结果表明,β和(α+θ)β两项指标对驾驶疲劳反应最敏感,可作为表征高速公路驾驶疲劳的脑电指标;在80~100min时间段内,驾驶员驾驶疲劳状态趋势尤为明显,应采取适当措施来减缓疲劳,从而降低由于疲劳驾驶引起的道路交通事故。实验结果可为高速公路驾驶疲劳预警和道路安全设计提供理论支撑。     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

基于云模型的驾驶疲劳检测方法

疲劳驾驶是导致交通事故的重要原因。因此实时监测驾驶员的疲劳状态具有重要的现实意义。文中针对人的眼动行为存在随机性及模糊性的特点,采用不确定性的云概念,建立基于Perclos和眨眼时间均值的双条件单规则发生器,然后在此基础上构造基于双条件单规则发生器的疲劳检测模型。最后通过在模拟实验平台上采集驾驶员的眼动数据,将眼动特征数据输入基于双条件单规则发生器的疲劳检测模型进行疲劳识别判断。实验结果表明:该模型的平均识别率达到80.2%。在同组实验数据下,使用云模型方法比采用K最近邻(KNN)及支持向量机分类算法的检测率都要高。     

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

无侵入测量指标的驾驶疲劳检测性能评估

为了准确检测驾驶疲劳状态,利用高仿真度驾驶模拟器进行模拟实验,采集了驾驶行为和眼动数据,并进行了主观疲劳程度调查.在此基础上,设计了23种无侵入检测指标,从与疲劳的相关性、二元检测性能、对道路线形的敏感性和个体一致性4方面,评估了指标的性能并按综合性能排序.研究结果表明:眼闭合时间比例与主观疲劳程度（Karolinska sleepiness scale,KSS）的相关性最高,为0.443;二元检测性能最好的是眼闭合时间比例和车道偏移标准差;眼动指标在曲-直路段的变化幅度均低于20%;当KSS为7时,除车中心越线时间比例外,其余指标均存在显著的个体差异;综合性能最高的指标依次为车道偏移标准差、闭眼时间比例和越线期间横向平均速度.      

融合Eye Map信息的疲劳检测方法的研究

为降低人眼检测过程的计算量,提出一种改进的融合EyeM ap信息的快速过滤算法。利用基于肤色信息的图像分割,得到感兴趣的人脸区域,缩小了搜索范围,减小了检测的错误接受率;然后使用Haar-Like特征进行级联AdaBoost人眼定位检测,得到潜在的人眼区域,使用EyeMap的快速算法获得准确地人眼区域,再进行二值化处理,计算眼睛的轴向外接矩形以估计出眼睑的闭合程度,结合PERCLOS评判标准进行疲劳状态分析。实验证明：改进算法能快速实时有效地识别驾驶员疲劳时的眼部状态。     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律。通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态。分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明:相比清醒状态,疲劳状态下的转角熵升高了57.1%。     

疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素. 为研究基于转向行为的疲劳驾驶识别受个体差异的影响,本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析. 通过实车试验获得自然驾驶数据,对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验,以H 统计量表示指标有效性;以H 统计量最大的单被试为基础逐一与其他被试组成双被试组合,采用线性模型拟合双被试组合的H 统计量和指标个体差异度,以斜率绝对值表征指标个体差异敏感度. 研究获得9 个转向特征指标的个体差异敏感度,结果表明,敏感度越低,指标有效性受个体差异影响越小,其中方向盘转角标准差的个体差异敏感度最低为2.056. 本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律.通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态.分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明...     

驾驶疲劳致因及监测研究进展

为明确驾驶人生理特性在驾驶疲劳领域的研究现状,对驾驶疲劳致因及监测技术研究进展进行综述,介绍驾驶疲劳产生的人口学因素和环境因素,归纳3类驾驶人生理特性在公路驾驶疲劳监测研究现状,简述目前针对公路驾驶疲劳的综合监测技术;最后论述驾驶人生理特性在未来驾驶疲劳监测系统和设备研发中的重要作用。通过归纳和分析揭示:未来针对驾驶疲劳的检测及评价当以具体道路环境类型作为研究基础,需建立驾驶人生理特性与车辆行为变化特性的评价指标,建设一套完整的、有针对性的驾驶疲劳监测系统,方便有关部门对驾驶疲劳现象的监测,有效遏制驾驶疲劳的发生。     

基于生理信号的驾驶疲劳声音对策有效性实验

为了有效减轻驾驶疲劳、减少交通事故,研究了脑电信号(EEG)和心电信号(ECG)随驾驶时间的变化规律,分析EEG和ECG的原始数据与指标之间的相关性,用主成份分析法确定了驾驶疲劳综合评价指标.采用正交实验法,在驾驶模拟舱内验证声音刺激作为驾驶疲劳对策的有效性.研究结果表明:驾驶员在疲劳状态下,对单一声音刺激存在警觉反应;声强和刺激间隔时间影响显著,频率和刺激时间影响较小,且声强70 dB、频率5 800 Hz、刺激时间7 s和刺激间隔时间30 s的声音对策减轻疲劳的效果最好.     

疲劳驾驶与交通事故关系

对国内外道路交通事故数据进行了统计,分析了疲劳驾驶事故中驾驶人特征、事故时段分布及高速公路上交通事故主要成因,研究了疲劳驾驶对操作行为的影响和驾驶人疲劳产生的原因,提出了疲劳驾驶预防对策。分析结果表明:30岁以下男驾驶人、3年以下驾龄和10年左右驾龄的驾驶人是疲劳驾驶事故的高发群体;2:00~6:00与15:00~16:00是疲劳驾驶事故的高发时段;高速公路上疲劳驾驶引发的交通事故比例远高于普通公路;疲劳驾驶产生的原因主要包括长时间驾驶、睡眠不足或质量差、生理节律、驾驶人因素等。通过保证驾驶人有充足的睡眠与短暂休息,合理安排行车时间及使用疲劳预警装置等方法,可以有效预防疲劳的产生,减少疲劳驾驶事故的发生。     

疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素. 为研究基于转向行为的疲劳驾驶识别受个体差异的影响，本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析. 通过实车试验获得自然驾驶数据，对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验，以H 统计量表示指标有效性；以H 统计量最大的单被试为基础逐一与其他被试组成双被试组合，采用线性模型拟合双被试组合的H 统计量和指标个体差异度，以斜率绝对值表征指标个体差异敏感度. 研究获得9 个转向特征指标的个体差异敏感度，结果表明，敏感度越低，指标有效性受个体差异影响越小，其中方向盘转角标准差的个体差异敏感度最低为2.056. 本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征，一旦养成很难矫正，且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足，本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据，从风格聚类、风格识别和风格评估这3个方面，提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先，基于轨迹数据蕴含驾驶人驾驶行为模式的特点，构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集；其次，利用因子分析进行特征约简，并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格；然后，构建基于支持向量机的驾驶风格识别模型，并与梯度提升决策树的识 别结果进行对比；最后，基于疲劳驾驶特征和超速驾驶特征的累积分布，建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简，提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息；根据疲劳因子和超速因子可将驾驶风格划分为4种类别，即稳健型、超速型、疲劳型和危险型，相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%；基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%，整体表现优于梯度提升决策树；基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格， 其中稳健型驾驶人表现最好，75%以上的驾驶人风格评估总分高于60分；危险型驾驶人表现最差，75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

基于 UKF 非线性人眼跟踪的驾驶员疲劳检测

为解决驾驶员疲劳检测算法中头部快速移动、人眼非线性跟踪以及实际疲劳表情的识别问题,提出了一种新的基于UKF眼跟踪算法的驾驶员疲劳检测方法.根据近似非线性函数的概率分布比近似其函数更容易的原则,利用UT无迹变换,选择一组确定的Sigma点集逼近驾驶员人眼运动状态的后验概率密度函数,进行人眼非线性跟踪.在驾驶员人眼非线性跟踪基础上,通过计算PERCLOS值,进行现实驾驶条件下驾驶员疲劳的跟踪检测.实验结果表明,该方法不仅可以增强对驾驶员头部旋转、快速移动以及光照变换的鲁棒性,而且可以比传统的Kalm an滤波算法提供更精确的计算估计.     

基于驾驶员状态的高速公路安全车距模型

为进一步完善高速公路环境下的安全车距模型,通过道路模拟驾驶试验,确定不同车速、驾驶员不同疲劳状态下的制动反应时间域,同时根据驾驶员的眼睛状态确定驾驶员的疲劳度,基于模糊隶属函数建立驾驶员的制动反应时间与疲劳状态、车速之间的对应关系,并对高速公路环境下的安全车距模型进行实时修正。通过MATLAB仿真验证了不同驾驶员状态下车距模型的可靠性。