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。     

基于可穿戴传感器的驾驶疲劳肌心电信号分析EI北大核心CSCD

本文通过对驾驶员的肌电信号与心电信号的研究,检测驾驶员驾车过程中的疲劳状态。对8名被试者进行2h的驾驶模拟实验。利用可穿戴式传感器采集被试者股二头肌部位的生理信号,采用快速独立成分分析和经验模态分解算法对测得的信号进行分离和去噪处理,得到肌电、心电信号,并找出能表征驾驶员疲劳的肌电和心电特性参数,运用统计分析SPSS软件进行Kolmogorov-Smirnov Z检验,最终选取肌电信号峰值因数和肌心电信号互相关峰值(P<0.001)作为组合特征,并采用马氏距离作为判别疲劳的准则。结果表明,该方法在对驾驶员正常状态与疲劳状态的区分上有良好的识别效果。     

Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用

研究疲劳驾驶状态下驾驶员脑电信号的特征。结合Hilbert-Huang Transform(HHT)方法和近似熵方法,提出了一种新的脑电信号处理方法:HHT近似熵方法,首先用HHT方法把脑电信号分解为多个内在的模式分量,然后求取各个模式分量的近似熵值,探讨疲劳驾驶时脑电信号的非线性特征。在汽车模拟驾驶仪上进行疲劳驾驶,同时用脑电测量仪器测量驾驶员脑电,用HHT近似熵方法对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电信号进行具体的分析处理,结果表明d_2、d_4近似熵比值可以区分4种脑电信号,可以作为疲劳驾驶时的脑电特征。为疲劳驾驶的预警系统研究提供了理论上的一些依据和参考。     

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.     

基于外周生理信号的疲劳驾驶监测研究

疲劳驾驶是交通事故的主要原因之一。监测驾驶者的精神状态,在疲劳时及时发出警报是降低交通事故的有效手段之一。通过对驾驶员在行车过程中一些外周生理指标(血容、肌电、皮电、呼吸、皮温等)的变化进行监测,在信号预处理和特征提取后,实验选取典型清醒疲劳样本,结合支持向量机研究多特征组合下的清醒疲劳状态区分效果并对区分方法进行评价,并进一步以典型样本作为训练集,对整个连续驾驶过程的状态进行判断。结果表明,使用支持向量机对外周生理信号典型样本的分类取得了较高正确率,也能较准确地对整个连续驾驶过程的状态进行判断。     

驾驶员腰部负载的计算求解与验证EI北大核心CSCD

驾驶员腰部的肌肉力、关节力等负载与驾驶舒适性密切相关,但难以直接测量。本文中建立了驾驶员肌肉骨骼生物力学模型,提出了一种基于Matlab-OpenSim联合仿真的驾驶员与座椅界面接触力和摩擦力计算求解方法,并通过人椅接触压力测试和接触界面摩擦力与腰椎关节压力仿真对上述模型和方法进行验证。结果表明,本文中提出的驾驶员肌肉骨骼生物力学模型和人椅界面接触负载的计算方法可有效解决行驶工况下驾驶员腰部负载的定量评估问题,对驾驶室空间布局和舒适性设计具有重要工程应用价值。     

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%。     

基于主成分分析法和支持向量机算法的驾驶人疲劳检测方法

汽车驾驶人的疲劳程度识别对于预防交通事故具有十分重要的意义。设计了实车驾驶实验，采集了20名汽车驾驶人在疲劳驾驶状态下的眼动特征参数，将汽车驾驶人的疲劳等级分为警觉、轻度疲劳、深度疲劳和嗜睡四个级别。利用主成分分析法（PCA）预处理了所采集的眼动特征数据，并利用支持向量机（SVM）算法建立了PCA-SVM疲劳检测模型。实验结果表明，该模型能够高精度地识别驾驶人的四种疲劳状态。     

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.      

营运长途客车驾驶员疲劳累积规律及模型研究

研究营运长途客车驾驶员的疲劳累积规律是保障公共交通安全的需要.针对黑龙江省海伦市营运长途客车驾驶员,设计疲劳累积随车实验,采集驾驶员状态视频及驾驶员感知判断能力、自我主观疲劳评价等指标,利用视频分析处理软件将驾驶员状态视频转化为PERCLOS-P80值,以此作为疲劳程度的衡量指标.分别从原始疲劳和驾驶疲劳2个方面,对营运长途客车驾驶员疲劳累积规律进行分析,得出原始疲劳与前1d的实际睡眠时间呈负相关、与驾驶时间差呈正相关;驾驶疲劳与原始疲劳及连续驾驶时间呈正相关、与累计休息时间呈负相关的结论.建立了疲劳累积与驾驶员工作、休息时间的关系模型,运用回归技术对模型进行标定,其拟合优度达到0.929.在此模型的基础上,对不同原始疲劳值的驾驶员提出了连续驾驶时间的风险临界值(F=0.3时),给出了营运长途客车驾驶员工作休息建议,为其安全驾驶提供指导.      

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SOM神经网络的多工况驾驶风格识别

不同的驾驶员对车辆的各项性能可能有个性化地要求,因此有必要对驾驶风格的分类与识别问题进行研究.首先在驾驶模拟器上采集不同驾驶员在多工况下的数据,利用主成分分析法选取驾驶员在各个工况下的特征参数,SOM神经网络分别对起步、加速及制动工况下的驾驶数据进行了聚类分析,然后以驾驶风格聚类分析结果为基础,建立了基于SOM神经网络...     

基于随机森林的疲劳驾驶检测识别模型的优化研究

与传统基于驾驶员行为的疲劳检测手段相比,基于驾驶员生理指标的驾驶疲劳检测是一种更加客观准确的检测方法,但由于生理信息复杂度高,传统生理指标疲劳检测模型效果不佳且实时性差。随机森林是一种收敛速度快,可处理复杂特征向量样本,高效精准的分类算法。文章在驾驶员生理指标检测基础上,提出一种应用随机森林模型进行疲劳驾驶检测识别的方法,并通过粒子群优化算法和设置阈值修剪错误决策树方式对随机森林模型进行优化,以提高精度和效率。仿真实验结果表明,优化后检测精准确度高达98%,运行效率提高50%。     

适用驾驶员疲劳状态监测的人眼定位方法研究

驾驶员在车辆行驶过程中是否疲劳驾驶可以从眼睛的状态反映出来，利用驾驶员眼睛的状态信息来判断驾驶员疲劳状况是一种可行的方法。在采用计算机视觉对驾驶员进行驾驶行为监控时，驾驶员面部眼睛定位是判断驾驶员是否疲劳驾驶的关键。为了解决面部眼睛定位的实时性以及头部旋转不确定性等问题，本文在人脸面部定位的基础上，给出了一种基于区域标示算法的面部人眼定位算法。试验验证了上述算法的有效性。     

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。     

基于脑电信号的疲劳驾驶状态研究

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。     

基于贝叶斯网络模型的道路交通事故链生成与演化研究

为了研究道路交通事故链的生成和演变规律并全面反映道路交通事故的产生机理,以美国100-Car自然驾驶研究数据为基础,充分考虑了驾驶员状态和驾驶行为对道路交通安全的影响,构建了事故发生前驾驶员状态和行为特征参数等变量,并与其他传统驾驶员特征、道路交通特性以及环境特点等影响因素变量共同建立了关于道路交通事故风险类型的贝叶斯网络模型。在贝叶斯网络模型基础上,引入事故因果链理论,利用有向无环网络中简单路径搜索算法生成事故链集合,并采用信息增益特征选择方法识别关键事故链。通过100-Car自然驾驶数据得到的关键事故链显示,单车事故类型更容易在弯道和坡道条件下驾驶员无注意力转移或进行简单非驾驶任务的情况下发生;而正面、侧面和尾部碰撞事故类型的发生,往往在水平直线道路条件下,伴随着驾驶员注意力由前方道路转移至两侧车窗或内后视镜,以及驾驶员非驾驶任务变复杂的情况。通过改变事故链中各节点的状态概率,可以探索不同类型事故的演化路径和规律,克服了传统方法对每个道路交通事故致因因素进行独立分析的局限性,揭示了事故链中影响因素/事件之间的相关关系,为更好地掌控道路交通风险状态和实现事故链阻断提供了新的思路。     

疲劳驾驶警示系统在公交车的应用探讨

公交车驾驶员由于其工作环境恶劣,劳动强度大,连续工作时间长,特别容易疲劳。疲劳驾驶是公交运营的一个重大安全隐患。疲劳驾驶警示系统能够及时检测出驾驶员的疲劳状态,主动警示驾驶员,防止其在驾驶过程进入睡眠状态,避免或减少事故的发生。目前推广的公交视频监控系统缺乏疲劳驾驶自动警示功能,如果能在监控系统中集成疲劳驾驶警示系统,在增加少量成本的情况下,可以更好的提高公交运营的安全性。     

基于DSP的嵌入式驾驶疲劳监测系统研究

为了进行有效的、实时的、非接触式的驾驶员疲劳检测,采取NHTSA和FHWA推荐的非接触式疲劳检测方法PERCLOS,利用TI公司的专用图像处理DSP芯片TMS320DM642,构建了车载的基于DSP的嵌入式驾驶疲劳监测系统。首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛,分析眼睛的状态和提取眼睛的特征参数,计算PERCLOS值、判断疲劳程度并采取报警或其他措施。试验结果表明,系统的算法简单、快速、鲁棒性强。