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。     

基于生物力学和颈腰部EMG判别驾驶员疲劳状态

本文中通过采用颈腰部生物力学和表面肌电信号相结合的方式,对驾驶员在驾驶过程中的疲劳状态进行了研究。首先,通过生物力学的计算与分析,合理地选择了能有效反映驾驶疲劳状态的生理信号采集位置,即颈6左右两侧上斜方肌和腰4左右两侧竖脊肌。然后,在利用经验模态分解算法对测得的肌电信号进行去噪的基础上,找出能表征驾驶员疲劳状态的颈腰部肌电特性参数,并对提取的特征参数(颈部复杂度、腰部复杂度和腰部近似熵)进行主成分分析,获得了两个主成分,有效保留有用信息,去除冗余信息,实现了特征参数的降维。最后,以此为自变量建立疲劳驾驶评价模型,有效提高了模型的正确率,加快了模型的运算速度。结果表明,该方法在对驾驶员正常与疲劳状态的区分上具有良好的识别效果,正确率可达90%以上。     

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。     

基于嗅觉刺激的驾驶员负向情绪正向调控方法研究

针对驾驶员在异常情绪下更容易导致交通事故发生的问题，研究一种用于智能座舱的驾驶员异常情绪正向调控方法。招募 30 名被试者进行试验，利用视频素材诱发驾驶员愤怒等负向情绪，利用 E-prime 软件控制的嗅觉体验测试仪释放薰衣草、甜橙、沉香木气味对驾驶员负向情绪进行正向调节，采用 ErgoLab 多通道生理仪检测记录在气味刺激下被试者的心电信号 （ECG）、光电容积脉搏波信号 （PPG）、呼吸信号 （RESP） 等生理特征信号；采用问卷调查获取被试者的主观感受；使用面部表情识别软件对驾驶员情绪进行分析，联合主客观数据分析驾驶员的情绪调节效果，通过 30组对照试验研究3种嗅觉刺激气体对负向情绪的调节效果，结果表明，沉香木调节效果最好，甜橙其次，薰衣草最差。     

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。     

基于嗅觉和听觉刺激的驾驶员疲劳唤醒方法研究

针对驾驶员在疲劳状态下易引发交通事故的问题,提出一种基于嗅觉和听觉刺激的驾驶员疲劳唤醒方法,研究以薄荷气体和阿尔法脑波音乐作为刺激源的唤醒效果,采用主观疲劳问卷和心电（ECG）、脉搏（PPG）以及呼吸（RESP）生理信号作为疲劳唤醒有效性判断指标。结果表明,两种方案的心电、脉搏以及呼吸生理数据均显示能有效干预驾驶疲劳,与主观疲劳问卷调查结果相一致,验证了基于嗅觉和听觉刺激的驾驶员疲劳唤醒方法的有效性,且基于听觉刺激的唤醒方案唤醒效果更佳。     

基于生物电信号的驾驶疲劳检测方法

驾驶疲劳检测技术是当前安全辅助驾驶技术的一个研究热点,其中基于生物电信号的检测方法最直接。本文主要介绍驾驶疲劳的生成机理、检测方法的分类和基于脑电、心电、眼电和肌电等主要生物电信号检测方法的研究现状。最后,针对当前研究领域的不足给出了建议,以供研究者参考。     

基于小波熵的驾驶疲劳脑电信号特征提取EI北大核心CSCD

为寻找衡量驾驶疲劳的可靠的生理指标,通过实验采集了模拟驾驶前、模拟驾驶疲劳后和休息后的脑电信号,并对其进行预处理和特征提取。应用小波变换对脑电信号进行降噪;并求得降噪后的脑电信号H和R小波熵比值。结果表明,驾驶疲劳后脑电信号H和R值有增大的趋势;再经充分休息后,脑电信号的H和R值有下降趋势,两者均具有显著性差异(P<0.05),说明小波熵值是驾驶疲劳脑电特征提取的有效方法。     

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。     

汽车碰撞瞬间驾驶员颈部肌电信号变化规律研究

为了解驾驶员在汽车碰撞瞬间的颈部肌肉主动反应,在汽车性能模拟器上构造了具有高度虚拟现实感的汽车正碰工况,选择10名志愿者在模拟器上分别以20、50、80和100km/h时速驾驶,记录在碰撞发生时驾驶员胸锁乳突肌、头夹肌和斜方肌的肌肉电信号及其肌肉激活程度。实验结果表明,发生碰撞时,驾驶员主要工作肌群的肌肉电信号明显升高,同时,肌电信号增幅随着车速升高呈现整体增大态势。本研究揭示了汽车碰撞时驾驶员颈部肌肉力学特性的动态变化规律,为高仿生保真度的假人模型的建造和更为准确地分析乘员碰撞损伤提供了理论支撑。     

长途客运驾驶员出车前疲劳状态便捷检测方法研究

为减少长途客运驾驶员因疲劳驾驶而引发交通事故的概率,保障人民生命财产安全,降低客运公司的运营风险,设计了主观问题测试、心理反应检测及语音检测3种便捷检测方法,以快速判定驾驶员出车前的疲劳状态。通过Pearson相关性分析,获取了11个显著相关的问题因子,根据各因子与疲劳状态的相关显著程度为其设置分数,并对不同状态下的问题测试得分进行了阈值划分;应用心理反应测试仪获取深视力差异、速度估计差异、复杂反应时间等心理指标,确定了深视力差异和修正反应时长在清醒及疲劳状态下具有显著差异;通过手机录音软件采集语音信号,采用Cool Edit Pro,MATLAB等软件采集并处理短时平均幅度、短时平均能量、近似熵等指标特征值,建立心理指标与语音信号指标间的关系式。最后,选择脑电信号(α+θ)/β作为验证性指标并设计了验证性试验,对19名长途客运驾驶员分别进行了3种便捷检测和一种验证性检测。结果表明:主观问题测试法对驾驶员是否适宜执行驾驶任务检测结果准确率高,但易受主观因素影响从而产生"假疲劳"现象,不宜单独使用;"主观问题测试法+心理反应检测法"为最优的组合检测方法,其检测正确率为84.2%,优于单一检测方法,推荐客运公司根据实际情况选择使用。     

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.     

基于神经网络的疲劳驾驶识别系统

驾驶疲劳识别系统主要依据驾驶员眼部信号、驾驶行为、生理信号等来判断疲劳状态。文章通过BP神经网络与疲劳驾驶相结合,对疲劳参数进行分析,建立基于神经网络的疲劳驾驶实时识别系统,从而提高疲劳检测的准确率。     

驾驶疲劳监测技术研究综述

疲劳驾驶是导致恶性交通事故的重要原因,多年来,一直受到人们的广泛关注.国内外学者围绕驾驶员疲劳监测问题开展了大量研究工作,提出了基于心电、脑电、脉搏、面部状态、操作参数监测等诸多方法,用于判定驾驶员的疲劳状态.本文对国内外的研究现状进行了综述,为致力于疲劳驾驶研究工作的技术人员提供参考.     

基于HyperLynx的电信号串扰仿真分析

在高速数字电路中,电信号串扰是影响信号完整性的一个主要因素。针对近端电信号串扰噪声和远端电信号串扰噪声进行理论建模,借助信号完整性仿真工具HyperLynx进行仿真分析,研究攻击线与受害线的间距、耦合长度、信号线到参考平面的介质层厚度、信号上升沿及下降沿速率对于电信号串扰的影响。仿真结果表明：合理的设计可以有效抑制电信号串扰,进而提高电路信号完整性。     

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。     

考虑肌电信号的驾驶人弯道操纵行为分析

驾驶人是"人-车-路"闭环系统中的核心。近年来,研发人性化、个性化的汽车驾驶辅助系统逐渐成为行业热点。为了更加透彻地理解弯道驾驶行为特性,为弯道驾驶辅助系统提供功效评估与优化,提出了一种考虑肌电信号的驾驶人弯道行驶过程操纵行为分析方法。招募12名驾驶人在试验场标准路面上进行实车试验,其中包含6名专业试车师与6名普通驾驶人,要求驾驶人分别以30,40,50 km·h^-1的不同初速度驶入U形弯道并自由驾驶。试验过程中记录驾驶人颈部肌电信号数据和车辆运动状态数据,分析转弯行驶车辆侧向运动对不同驾驶能力的驾驶人生理体验的影响,同时进一步探讨不同类型驾驶人在不同入弯速度条件下颈部肌电信号与侧向加速度的关联差异特性。试验结果表明：相同工况下,专业驾驶人和普通驾驶人颈部肌电特征值存在显著差异,专业驾驶人颈部肌电信号特征与车辆侧向加速度呈现一定的线性关系;随着驾驶任务难度的增加,驾驶能力好的驾驶人能够较好地适应任务的变化,在进行纵侧向耦合操纵时能够较好地协调身体生理反应与车辆侧向运动保持较好的关联特性。研究成果为进一步探索并完善驾驶体验评价方法提供了新的研究思路,同时,可为汽车辅助驾驶系统功能设计与智能汽车行驶性能的用户体验测评提供技术支撑。