疲劳驾驶检测技术发展研究

分析了目前常见的疲劳驾驶检测方法,包括检测驾驶员的个体特征、生理信号以及车辆的运动参数等。介绍了国内外典型疲劳驾驶检测产品,并对疲劳驾驶检测技术的发展趋势进行了展望。     

基于DCNN与HMM融合的疲劳驾驶检测方法研究

首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重...     

融合机器视觉与高精度定位的高速公路疲劳驾驶行为检测方法

为提高高速公路场景下疲劳驾驶检测的准确率,降低在驾驶员面部易受遮挡、光线复杂的驾驶舱内的疲劳驾驶检测的误判率,提出一种兼顾检测精度与实时性、结合高精度定位与机器视觉的高速公路疲劳驾驶行为检测方法。首先,使用多任务卷积神经网络与FaceNet算法实现驾驶员身份识别,运用改进的实用面部特征点检测器（Practical Facial Landmark Detector, PFLD）算法检测人脸关键点。然后,考虑视频设备工作状态不稳定对疲劳驾驶行为识别产生干扰的场景,基于行驶车辆的轨迹数据,提出纵向位移波动斜率（Slope of Longitudinal Displacement Fluctuation, SLDF）,以弥补单一视频设备检测易受光线、遮挡等干扰因素影响的缺陷。随后,使用SLDF指标和3个面部疲劳特征识别疲劳驾驶,并在传统支持向量机（Support Vector Machines, SVM）中加入量子粒子群优化算法,提升SVM分类准确度和缩短运算时间。最后,为验证模型性能进行实车试验,结果表明,复杂场景下疲劳驾驶识别准确率达86.8%,计算时间为3.017 s,与现有其他数据融合...     

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。     

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.      

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。     

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...     

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%。     

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。     

基于多指标测试的驾驶疲劳高发时段

基于前期已被验证为有效的研究方法,引入经典的评价指标,结合新的注意力测试方法,完善实验设计,绘制了模拟情况下连续驾驶的疲劳曲线并评估被试者注意力集中程度的变化情况.基于室内实验经验和结果,制定室外实时测试方案并予以实施,得到了真实驾驶情况下驾驶疲劳的高发时间段,对室内实验的结果作出进一步的修正,指出了室内、外实验的差别.     

基于汇编语言程序设计的疲劳驾驶预警系统的实现

介绍了疲劳预警驾驶装置的功能与系统的总体设计和各模块的设计,该系统采用汇编语言开发。     

疲劳预警分级提示下的驾驶行为响应特征

确定疲劳预警提示时机是车载疲劳预警提示技术中的关键和难点,通过驾驶员对预警提示的驾驶行为响应特征来判断提示时机的合理性是解决该问题的新思路. 通过开展在疲劳分级预警提示环境下的驾驶模拟试验,采集驾驶员眼动（眼闭合时间比例）和车道偏移（车道偏移标准差、车道偏移均值、车道越线面积）指标,并通过成对Wilcoxon signed-rank检验,分析不同等级预警提示前后15 s时间内关键驾驶行为指标的差异. 研究结果表明:在设定的疲劳分级规则下,一般疲劳预警提示后,车道偏移标准差均值显著下降0.129 1,车道越线面积均值显著下降8.574 4;在严重疲劳预警提示后,眼闭合时间比例显著下降0.044 9,但车道偏移标准差和车道越线面积均未发生显著改变,驾驶员应该尽快停车休息.      

欧洲人告别疲劳驾驶

有很多交通事故与司机疲劳驾驶或超速行车有着直接的关系。因此，为了遏制事故，许多国家都采取了一些必要的措施，以克服疲劳驾驶的现象。然这些措施似乎都不很得力，没能从根本上解决问题。最近笔重访欧洲，天天与汽车打交道，发现欧洲人的交通安全意识有了很大的改变。     

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.     

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.     

高速公路疲劳驾驶交通事故的控制分析

当前,我国高速公路建设的发展日新月异,但随之而来的还有高速公路交通事故的高增长率。其中,疲劳驾驶问题更是由于发生率高和危害性强成为我国高速公路上存在的最大安全隐患。根据车辆在高速公路的行驶特点,对于高速公路疲劳驾驶的危害、原因进行了分析,并提出了相应的控制方法。以期通过对该问题的提出与展开,引发的更多的社会关注,降低疲劳驾驶造成的严重损害。     

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.     

基于脑电分析的连续驾驶疲劳高发时间判断

采用脑电测试的方法,辅以经过特殊设计的注意力测试手段,以室内模拟的方法,以脑电为基本指标,研究在驾驶过程中最可能出现疲劳的时间.参考经典的脑电指标,分析了12个被试者在时长为3.5h的室内试验中的疲劳曲线,结合注意力评价以及被试者主观监测结果,得出被试者在实验开始之后的100～120min是最容易出现疲劳,注意力分散严重.根据疲劳试验结论以及实验中的其他发现,给出关于驾驶疲劳的有效防治建议.     

疲劳驾驶的形成原因、表现特征及预防措施

疲劳驾驶成了威胁交通安全的一大杀手。疲劳驾驶的形成原因有生活原因、作业原因和个人原因，表现特征为肌肉疲劳、精神疲劳、背椎疲劳和眼部疲劳，预防疲劳驾驶必须提高安全意识，合理、科学地安排驾驶时间，保证必要的睡眠时间和较好的睡眠效果。