驾驶员状态监测功能检测研究

介绍了目前中国有关汽车驾驶员状态监测功能的相关政策及驾驶员状态监测功能检测的开展情况和实现方法;通过对检测过程的分析,指出驾驶员状态监测功能检测中存在检测手段缺乏、量化指标缺少及环境条件量化不够明确等技术问题,并提出了解决思路。     

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。     

军车驾驶员驾驶适性检测系统

文章介绍了军画驾驶员驾驶适应性检测系统的组成，逻辑结构及其主要功能，该系统可以对新老驾驶员进行全面的生理、心理素质测试，以筛选事故倾性驾驶员，为制定科学的驾驶员素质标准和加强交通安全管理提供可靠的理论依据。     

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。     

军车驾驶适应性检测系统设计

针对军事公路运输对驾驶员的实际要求,结合地方驾驶适应性检测技术,合理选择检测项目,利用射频识别技术和DirectX技术,针对各测试项目的特点进行优化设计,研制出适合部队应用和装备的驾驶适性检测系统,提高了驾驶适性检测的自动化程度,降低了系统成本。     

我国职业汽车驾驶员适性检测体系的研究

本文通过对我国具有代表性的十四个省（市）２０００余名驾驶员和随机抽样调查。验证了驾驶适性我国驾驶员群体中的客观存在性。采用多元统计分析方法对各项心理、心理指标检测数据进行处理分析，建立了一套适合国情的驾驶适性检测体系。     

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。     

基于坐垫体压分布的驾驶员生理状态识别方法

提出一种基于坐垫体压分布识别长途驾驶过程中驾驶员生理状态的方法.开展长途驾驶模拟试验,采集9名被试者在驾驶过程中的坐垫体压分布数据,提取82维分类特征,再采用序列浮动前向选择算法从中选出55维最优特征子空间.试验结果表明,该方法能准确识别驾驶员生理状态,贝叶斯分类正确率可达93.37％.     

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。     

基于驾驶员面部特征的疲劳检测系统研究

疲劳驾驶在我国的交通事故引发率居高不下,如何对驾驶员进行科学有效的疲劳驾驶检测并及时预警已经成为了当下热议的话题。为减少疲劳驾驶造成的交通安全风险,本文对基于驾驶员面部特征的检测方法进行了研究,通过对疲劳特征参数的提取克服了单一参数疲劳驾驶判断方法导致的判定精准度低等缺陷,且计算需求小,普适性能强。     

基于驾驶员转向操作特性的疲劳驾驶检测

本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法.首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法.测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7％,具有较高的鲁棒性和实用性.     

认知负荷对驾驶行为影响的眼动研究

以30名青年人作为被试者,采用眼动追踪法,探讨了模拟驾驶过程中视觉和听觉认知负荷对驾驶行为的影响.结果发现:①无论是视觉负荷还是听觉负荷,高认知负荷条件下的问题回答正确率显著小于低认知负荷条件;②视觉负荷影响驾驶行为,视觉负荷越高,驾驶行为的表现越差;③听觉负荷也影响驾驶行为,听觉负荷越大,驾驶行为的表现就越差.整个研究表明,认知负荷影响驾驶行为,特别是影响了对驾驶情境中危险事件的觉知.     

内燃机电站状态检测特征参数选择

内燃机电站状态检测技术是实施故障诊断与视情维修的基础，而状态特征参数的选取是检测技术的关键，本文对内燃机电站技术状态特征参数进行了分类，提出了特征参数选择的原则，并对主要特征进行了分析。     

AdaBoost人脸检测算法在驾驶员疲劳检测系统中的实现

基于AdaBoost算法训练了分类器,并编程实现了一个人脸检测系统,将其应用于驾驶员疲劳检测系统中,对人脸区域进行检测和跟踪.为了提高系统的鲁棒性和检测的速度与精度,依次应用曝光补偿,积分图等方法,使得系统具有较高的高检测精度和较短的检测时间,可以适应驾驶员疲劳检测的需要.     

AdaBoost 人脸检测算法在驾驶员疲劳检测系统中的实现

基于AdaBoost算法训练了分类器,并编程实现了一个人脸检测系统,将其应用于驾驶员疲劳检测系统中,对人脸区域进行检测和跟踪.为了提高系统的鲁棒性和检测的速度与精度,依次应用曝光补偿,积分图等方法,使得系统具有较高的高检测精度和较短的检测时间,可以适应驾驶员疲劳检测的需要.     

驾驶员动视力对交通安全的影响及检测系统的研究

本文就驾驶员动视力的好坏对行车安全的影响进行了探讨,重点分析了驾驶员事故群与无事故群动视力的差异的显著性,论述了检测驾驶员动视力的必要性。同时介绍了动视力检测仪的检测原理、仪器的结构及检测方法。该仪器可以自动地对各类人员进行动视力、动静视力和静视力的检测。     

北美卡车驾驶员的职业状态

<正>成为一名合格的北美卡车驾驶员,至少需要具备以下基本条件:第一,驾车技术以及一定的机械知识。这里说的技术主要是驾驶和操作技术,而这些并不是学校可以学来的,需要长期路上实际操作的经验的积累。很多驾驶员在没有真正     

交通状态检测方法的评价研究

交通状态是一个感觉量，在确定交通状态时存在模糊性，这给交通状态检测方法的评价增加了困难，至今理论上缺乏相关的研究。文中在评价交通状态的准确性时建立了基于用户的评价方法，解决了交通状态的模糊性带给评价上的问题。通过评价检测的准确性可以修正检测模型中的相关参数，从而提高检测的准确度，达到改进检测方法的目的。在综合评价中还考虑了检测方法的时间效率和经济性，可对多种检测方法进行综合评价。