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。     

智能网联汽车基础(九)--ADAS驾驶员疲劳监测系统

(接2022年第7期)一、驾驶员疲劳监测相关术语GB/T39263-2020《道路车辆先进驾驶辅助系统(ADAS)术语及定义》对驾驶员疲劳监测(DFM)和驾驶员注意力监测(DAM)都给出了定义。《驾驶员注意力监测系统性能要求及试验方法》中对驾驶员注意力监测系统及相关的表述和定义如下:1.注意力分散驾驶员在驾驶车辆时因疲劳驾驶、受外界环境干扰或从事与驾驶无关的动作,导致其无法专注执行驾驶任务的状态。     

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%。     

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。     

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。     

基于红外光源的驾驶员眼睛特征提取

驾驶员疲劳与精神分散是引发夜间行车交通安全事故的主要因素之一,驾驶员服睛位置的快速准确定位是利用视觉方法对驾驶员的夜间驾驶状态进行监测和预警的前提。文中利用Otsu阈值方法分割驾驶员人脸,根据分割后的二值化图像进行水平和垂直方向投影确定人脸位置,并在可靠定位人脸区域的基础上,建立了眼睛位置检测的感兴趣区域。采用Harris角点特征提取的方法在感兴趣区域内进行眼睛位置的快速有效定位。实验结果表明,该算法具有很好的可靠性和实时性,为后续夜间驾驶员状态研究奠定了良好基础。     

基于红外图像的夜间驾驶员疲劳检测系统设计

当前来说由于疲劳驾驶而引发的交通事故越来越多,而夜间是疲劳驾驶的高发时段,由于这种原因,文章设计了适用于在夜间监测驾驶员是否处于疲劳状态的系统。利用OPENCV软件对得到的红外图像进行人脸的检测与识别,得到人脸的红外图像,针对得到的人脸红外图像进行灰度化和二值化的处理,设定一个阈值根据二值化后像素的个数判断驾驶员是否处于疲劳状态,如果处于疲劳状态的情况下,系统就会报警提醒驾驶员注意采取措施。如果驾驶员并不处于驾驶疲劳的状态,那么监测系统将继续检测。     

出租汽车驾驶员振动剂量监测与评价

通过对ISO2631、GB4970等振动舒适性评价标准的研究,建立手动变速器出租汽车驾驶员振动舒适性评价方法。通过实车振动监测和测量驾驶员生理指标,找到了重庆市出租汽车驾驶员在实际行驶工况下达到疲劳的时间;并对他们进行有关疲劳的主观问卷调查,调查统计与试验的结果相吻合,由此得到出租汽车驾驶员达到疲劳时的“振动剂量极限值”。     

基于驾驶行为的汽车节油提醒系统的应用

本文主要提出一种汽车节油提醒的方法及系统的应用,通过实时监测驾驶员的驾驶行为并对驾驶员的驾驶行为进行判断,当驾驶员处于非节油驾驶状态时进行警示并给出驾驶建议,从而帮助驾驶员改善驾驶习惯,达到汽车节油降耗的目的。本文针对不同的驾驶阶段采取的判断逻辑和提醒措施进行阐述。     

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。     

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Ramsis的乘用车驾驶员周边操作件布置

根据SAE相关布置标准,针对某A级乘用车,应用Ramsis模拟驾驶员驾驶状态。通过Ramsis舒适性评价功能,对驾驶员周边的关键操作件,包括换挡、手刹进行了布置位置优化。     

强制标准启动在即，DMS市场进入爆发期

<正>近两年，DMS（驾驶员监测系统）的概念越来越火，主机厂正在加速DMS上车的步伐。DMS能够通过人脸识别、情绪感知等方式，分析驾驶员的状态，在驾驶员出现疲劳或分心的状态时，提醒驾驶员将注意力集中在控制车辆。虽然当下DMS的搭载率仍然很低，但随着政策的推动和市场需求的释放，DMS在可预见的未来，一定会成为乘用车的标配。     

基于人机工效学的交通标志有效性评价指标研究

交通标志与驾驶员、车辆、道路环境构成了一个复杂的人机系统。基于人机工程学理论,给出了驾驶员认知模型框架,分析了人机系统中影响驾驶员认知的各影响因素及其相互作用关系;运用马尔可夫过程理论对交通标志信息作用于驾驶员的过程进行了阶段性划分,将驾驶员的认知过程分为4个状态——觉察、识读、决策、操作,阐述了各状态在人机系统中的相互关系;解析了4个状态中驾驶员加工、处理信息的过程,结合已有研究成果和大量的问卷调查,根据驾驶员信息处理状态间的转移特性及其影响因素,从人机工程学角度提取并建立了评价交通标志有效性的指标体系。研究成果可为交通标志的合理设计、设置及评价提供理论依据。     

基于计算机视觉的驾驶员转向操作实时监测研究

为实时监控驾驶员操纵转向盘的状态，构建了基于机器视觉汽车转向盘实时监控系统，并运用阈值分割和边缘检测方法对转向盘图像中感兴趣区域进行了图像分割，提出了转向盘转角的计算公式。试验结果表明，感兴趣区域图像分割与转向盘转角监测方法有效。     

均胜安全创新技术助力通用汽车超级巡航系统

正均胜电子旗下均胜汽车安全系统(简称均胜安全)近日宣布,公司将为通用汽车超级巡航系统(Super Cruise)提供多项创新技术,包括驾驶员注意力保持系统。驾驶员注意力保持系统用以判断驾驶员的专注度。在一家澳大利亚前沿视觉技术公司的支持下,均胜安全为通用汽车提供了先进的驾驶员注意力保持系统,该机器视觉系统用以监测驾驶员的头部姿势、眼部动态,并准确判断在超级巡航状态下驾驶人员的注意力。     

驾驶员状态监督硬件在环试验研究

驾驶员状态对于机动车行车安全有着决定性的影响。针对驾驶员操控车辆行驶过程中的行为状态检测问题,通过基于高斯混合-隐马尔可夫模型的驾驶员状态监督方法对驾驶员状态监督模型的检测结果进行评估,分析其状态识别准确率和接受者操作特性曲线;搭建了驾驶员在环实时仿真硬件平台,并在该硬件在环平台开展硬件在环试验,进一步验证所建模型。结果表明:搭建的硬件在环平台可以进行驾驶员状态监督试验验证,有助于智能汽车驾驶安全性验证。     

面向职业驾驶员的疲劳驾驶监测与管理

依托浙江省交通运输厅科技计划项目《面向职业驾驶员的穿戴式心电数据采集及个体健康状态异常分析技术研究》。"两客一危"驾驶员一直是特重大交通事故的主要肇事者,而疲劳驾驶又是诱发事故发生的三大最主要原因之一。针对疲劳驾驶的隐蔽性,且尚未有科学严谨的检测方法来判断疲劳驾驶,并预防疲劳驾驶导致交通事故的发生。面向公路运营行业职业驾驶员,基于可穿戴式的心电监测设备,对驾驶员驾驶过程中的心电数据进行实时监测,进行疲劳程度分析与管理。研究结果有助于"两客一危"相关管理部门及运营企业对驾驶员的管理,以减少运营车辆造成的交通事故。