基于面部特征分析的疲劳驾驶检测方法

为避免疲劳驾驶,通过提取面部疲劳特征参数的方法研究了驾驶员疲劳检测技术.对SSD(single shot multi box de-tector)目标检测算法及连续自适应均值漂移跟踪算法(continuously adaptive MeanShift,CamShift)进行优化,以检测人脸区域.利用特征点定位提取面部疲劳特征参数,并基于眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)设定疲劳阈值和疲劳检测策略.在实车样本集上进行试验,结果表明:优化的人脸区域定位方法对光线变化、类肤色干扰的鲁棒性更强;所提取的疲劳特征参数能有效反映驾驶员疲劳状态,平均识别准确率达到了92.2％.改进后的算法系统在基于视觉特征的疲劳驾驶检测技术中达到了较高水平,对于预防交通安全事故具有重大意义.     

基于呼吸信号的驾驶员疲劳状态实时监测系统

针对疲劳驾驶导致交通事故多发，提出一种三维疲劳评定方法用于确定驾驶员的真实疲劳状态，利用经验模态分解、信号重构等信号分析技术提取呼吸信号的周期、周期标准差、幅值、幅值标准差和哈欠频繁次数等作为判定疲劳的特征参数。通过构建驾驶员疲劳状态监测系统和大量的模拟驾驶试验证明这些特征参数能够有效地反映疲劳状态，为该系统现场实际应用奠定了基础，对于减少因疲劳驾驶造成的交通事故具有重要的应用价值。     

基于脑电信号的驾驶疲劳检测研究

研究利用脑电信号(EEG)判断驾驶员的疲劳程度. 基于疲劳驾驶实验平台进行模拟驾驶实验,综合实验视频图像和驾驶员自我评价进行主观疲劳评测. 利用生理检测仪采集驾驶员的脑电波,对比分析脑电信号不同频带信号功率谱值和驾驶员的主观疲劳评测之间的关系. 结果表明:主观疲劳评测与脑电信号中功率谱值的变化相对应,脑电功率谱的比值(α+θ)/β越大,疲劳等级越高.     

基于驾驶行为的疲劳状态检测方法研究

研究基于驾驶行为判断驾驶状态的方法. 基于驾驶模拟舱进行实验,通过分析驾驶人在疲劳状态下的方向盘转角操作特征及油门幅值变化情况,提取了方向盘不动时间占空比和油门幅值均值作为疲劳状态判别指标,通过方差分析进行方向盘不动时间选取的优化,运用Fisher线性判别算法对驾驶状态进行识别,得到了较为准确的识别率.     

基于驾驶模拟实验的眼部指标与疲劳分级

基于同济大学8自由度高仿真驾驶模拟器,利用眼动仪采集了15位驾驶员各一小时驾驶过程中眼部指标,将驾驶员的疲劳状态分为清醒、轻度疲劳、中度疲劳、重度疲劳和极度疲劳5个等级,建立了考虑驾驶员个体差异的分层有序离散选择模型.结果表明:分层有序离散选择模型能有效地考虑驾驶员的个体差异,提高了对驾驶员不同疲劳等级的识别准确率.     

基于改进Yolov3的驾驶员疲劳检测

疲劳驾驶是引发交通事故的主要原因之一,为了预防疲劳驾驶的发生,基于多信息融合方法研究了驾驶员疲劳检测技术。通过改进的Yolov3算法与卡尔曼滤波算法的结合进行人脸检测。利用一种基于提升树的算法实现脸部关键点检测,并基于单位时间里眼睛闭合时间所占的百分比(percentage of eyelid closure over the pupil over time, PERCLOS),最长持续闭眼时间和哈欠次数这3个特征进行多特征融合的疲劳检测。在实车录制数据集上进行验证,实验结果表明：所提方法平均识别正确率达92.5%,具有较高的准确率,针对复杂环境有较强的鲁棒性,对于将来的研究有着重大意义。     

基于汽车操纵信号的驾驶员疲劳状态检测

将驾驶方向盘运动信息及道路偏移值作为驾驶员疲劳表征信息,通过模拟器的模拟驾驶实验,采集10名驾驶员疲劳表征数据,建立神经网络模型对驾驶员疲劳状态进行检测.基于PVT（Psychomotor Vigilance Task）测试结果及驾驶录像,采集清醒状态与疲劳状态的实验数据,并进行分析;然后对数据进行离散化和归一化,作为神经网络模型的输入.采用BP算法对神经网络模型进行训练,直至满足误差要求.实验结果表明,该方法检测驾驶员疲劳状态的准确率较高,实用性较强.     

基于BP和GA_BP的疲劳驾驶检测算法对比分析

为了有效检测驾驶人疲劳驾驶状态,利用模拟驾驶器开展疲劳驾驶实验,建立2类(疲劳、正常)样本数据库;采用均值分析法提取特征参数;最终基于BP和GA_BP神经网络建立分类算法进行疲劳驾驶检测。结果显示,基于GA_BP的分类算法的识别准确率、达到设定目标的次数、均方误差和迭代步长均比基于BP的算法好;两种算法的运行时间均呈二次函数增长;但基于GA_BP的分类算法增长速度更快。这表明基于BP和GA_BP建立分类算法进行疲劳驾驶检测具有可行性,且基于GA_BP的算法识别效果更好,虽然其运行时间较长,但满足实时检测的要求。     

基于脑电的实时疲劳监测算法的研究

疲劳驾驶是造成交通事故的一个重要因素。基于脑电波传感器采集到的脑电(EEG)信号,提出了一种基于特征节律波样本空间距离的实时驾驶疲劳监测算法。该算法通过提取脑电特征信号并建立相应的特征样本空间,然后通过将实时采集的脑电信号与样本空间之间的距离来判别驾驶员是否处于疲劳状态;并结合多次实验结果,使用ROC曲线分析方法获得确定疲劳判别的阈值,由此实现对驾驶者疲劳状态的实时监测。实验结果显示,该算法能有效地、实时地对疲劳进行监测,且具有较好的鲁棒性和准确性。     

基于SSA-BP极端高温天气驾驶疲劳的检测

摘 要：疲劳驾驶是引起道路交通事故的主要因素之一,提高驾驶疲劳检测精度是预防交通事故的有效措施。为研究驾驶员在极端高温天气下驾驶过程中疲劳程度情况,基于生理反馈仪和卡罗林斯卡嗜睡表（Karolinska Sleepiness Scale, KSS）主观疲劳调查方法,采集了本地和外地2类驾驶员在正常天气（35℃以下）、高温天气（35℃~39℃）及极端高温天气（40℃及以上）等3种气温环境下主观疲劳值和生理指标（心电信号与表皮温度）。通过应用皮尔逊相关性分析方法、非参数检验（曼-惠特尼U检验）及配对检验针对各项生理指标进行特征分析。结果表明,在极端高温天气下2类驾驶员主观疲劳值与各项生理指标之间存在相关性;2类驾驶员主观疲劳值和各项生理指标在3种天气下变化存在显著差异;相比于本地驾驶员,在极端天气下外地驾驶员疲劳程度的增加较快。在此基础上,选用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化了BP（Back Propagation ）神经网络预测模型,建立基于SSA-BP驾驶疲劳检测模型,对样本数据进行预测与分类,验证了该模型的有效性。结果表明,标准BP神经网络和SSA-BP疲劳检测精度分别为88.5%、95%,建立的SSA-BP驾驶疲劳检测模型预测效果良好,可为极端高温道路交通安全提供参考与借鉴。     

基于计算机视觉的驾驶员疲劳状态检测预警技术研究

疲劳驾驶是造成交通事故的主要原因之一,为提高驾驶员疲劳驾驶状态的智能化检测水平,提出一种基于计算机视觉的面部多特征疲劳驾驶检测算法。该算法采用多线程优化后的Dlib（图像处理开源库）实现对驾驶员面部的定位与追踪,利用Dlib开源库中的人脸关键点检测器对驾驶员面部关键特征点进行提取,实时计算驾驶员眼部的纵横比（EAR）和嘴部长宽比（MAR）,并以自制视频流数据集作为实验样本计算出相关阈值,有效提高了检测算法的普适性,在此基础上,计算出眨眼频率、闭眼次数、眼睛闭合时间百分比（perclos）以及打哈欠频率这四个反映驾驶员疲劳状态的指标,并利用数学方法进行指标实时融合,根据融合指标的数值对驾驶员疲劳状态进行分级,最终通过实验验证该疲劳检测系统的准确性。结果表明,提出的综合疲劳指标能够准确反映在不同环境和光照下驾驶员的疲劳状态和发展趋势,驾驶员疲劳判定的正确率达到97.5%以上。     

草原公路行车驾驶员肩部表面肌电信号分析

内蒙古草原具有线形特殊,景观单调等特点,长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号,使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势,但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。     

草原公路长时程行车时驾驶人的脑电特征分析

草原公路具有景观单调,行车视距大,平、纵曲线设置不合理,交通流量小等特征,易引起驾驶疲劳,诱发交通事故。选取草原公路进行模拟驾驶,应用MP150多通道生理信号采集仪,采集12名司机4 h模拟驾驶过程中的脑电(EEG)数据,探寻模拟驾驶条件下驾驶过程中EEG相关指标的特征。结果表明:β波及(α+θ)/β这两项指标能较好地反应司机脑电的变化过程;当行驶到20 min时,驾驶疲劳第一次出现;当行驶到60 min时疲劳第二次出现;当行驶到90 min时疲劳第三次出现,当行驶到120 min时疲劳第四次出现;男司机行驶到170 min时和女司机行驶到160 min时驾驶疲劳增加明显,此时,司机应停止驾驶任务,进行调整休息;男、女司机的驾驶疲劳具有累计效应,且驾驶疲劳的累计变化量与驾驶时间具有较强的相关性。     

考虑个体差异性疲劳驾驶检测方法研究

研究个体差异性对疲劳驾驶检测的影响.基于驾驶模拟实验,提取了20名驾驶人不同驾驶状态下的眼动特征参数.基于支持向量机,搭建了通用检测模型,分析了不同驾驶人之间检测结果的差异性.运用配对样本t检验和方差分析分别量化了驾驶人疲劳和个体差异性对眼动特征影响的显著性水平,以及综合影响的显著性水平.搭建了个体检测模型,并进行了实验验证.结果表明,眼动特征受疲劳驾驶和驾驶人个体差异性的显著性影响,同时,个体差异性会削弱由疲劳驾驶导致的差异.在构建疲劳驾驶检测模型时应充分考虑驾驶人个体差异性.     

基于驾驶人生理心理参数的午餐后驾驶疲劳分析

为找出午餐前后驾驶人疲劳特征变化规律,选取6名驾驶人开展了驾驶模拟试验。对驾驶人午餐前后的体温、心率变异性、深度知觉、速度知觉等生理、心理特征参数进行了测定,并通过问卷方式获取了驾驶人对自身疲劳状况的主观感受,分析了午餐前后驾驶疲劳特征的变化。生理参数分析结果表明:驾驶人心率变异性指标在午餐后1~1.5 h内呈升高趋势,随后下降至正常水平;体温指标在午餐后出现一个低谷,随后恢复正常;PERCLOS指标值午餐后均有所增大,其中67%受试者PERCLOS值增幅明显。心理特征参数变化表明:午餐后受试者认知能力出现了不同程度的降低,主要体现为深度知觉能力下降、反应时间延长和速度判断力下降。这些都将影响驾驶人对道路环境信息的获取,进而会增加驾驶不安全因素。     

汽车驾驶员疲劳状态下穴位磁刺激效应分析

在驾驶员疲劳状态下，应用心率变异性(HRV)功率谱分析，评价穴位碰刺激对自主神经系统功能的调整作用．健康志愿人员26名，每人参加两组模拟驾驶实验，A组为磁灸组，B组为对照组，时间均为90min．对磁灸组志愿者，在执行驾驶任务1h后，施加磁刺激30min．实验过程中实时记录实验者心电信号．执行任务过程中，实验者心率变异性表现出明显的线性趋势．磁灸组施加穴位磁刺激后，实验者表现为交感神经活动性降低，迷走神经活动性提高，精神紧张及疲劳程度降低．穴位磁刺激有利于改善心脏自主神经系统功能状态，可在一定程度上缓解精神疲劳．     

基于心率变异性的草原公路驾驶疲劳恢复调节方式

为研究草原地区驾驶疲劳恢复的特性,利用MP150型多导生理记录仪器收集驾驶员在疲劳恢复阶段不同调节方式下的心率变异性(heart rate variability, HRV)信号,结合主成分分析和均值、低高频均衡比和样本熵指标趋势分析,开展室内模拟驾驶疲劳恢复研究。结果表明：(1)音乐调节休息和车外自由活动方式下,驾驶员的疲劳状态表现为先加重再迅速恢复后波动的现象;(2)长距离驾驶后,不建议驾驶员立刻采用听音乐或下车活动方式调节疲劳,车内安静休息更适合驾驶员;(3)休息时间在20 min左右时,相较于车外自由活动,建议驾驶员采用音乐调节休息方式;休息时间超过20 min,驾驶员应采取多种方式调节驾驶疲劳。