疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

基于云平台的疲劳驾驶检测系统

本文针对国内因疲劳驾驶而事故多发的情况,提出了基于深度机器学习和智能云平台的疲劳检测和驾驶事故自动检测解决方法。该方法很好地适应了车辆和驾驶室的复杂工作环境,旨在让操作人员能够快速实现基于深度和机器视觉的疲劳驾驶检测和报警功能,通过在驾驶员的上方安装可移动摄像头实时采集驾驶员的图像,将实时获取的视频流数据送入处理设备进行处理,同时利用预先训练好的疲劳检测模型从摄像头提取出人脸的特征点,依据PERCLOS疲劳驾驶判断准则来判断车辆驾驶者是否已经处于疲劳状态并实时上传图像数据至云端处理平台,同时根据人脸的位移和方向,利用舵机使摄像头始终正对驾驶者的脸部,最终完成一个集便携性、高效性、准确性为一体的疲劳检测系统。     

非接触式车载疲劳驾驶实时报警系统

疲劳驾驶是行车交通事故的主要原因之一。本项目是为了研制一种嵌入式实时驾驶员疲劳报警系统。该装置实时跟踪驾驶员的驾驶状态，获取其眨眼频率和持续驾驶时间等数据，用以判断驾驶员是否疲劳或是否集中注意力。一旦驾驶员出现疲劳状态或者注意力不集中的情况，该装置将给出声光报警和语音提示。     

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。     

基于眼睛与嘴部状态识别的疲劳驾驶检测

为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态, 提出一种判断是否佩戴眼镜的方法, 并建 立了基于眼睛与嘴部状态的疲劳驾驶检测系统。 对该系统中有关目标检测、 特征提取与图像识别等算法进行 研究。 首先, 采用 Adaboost 算法通过人脸分类器从视频帧中检测人脸区域, 并根据面部器官几何分布规则粗检 眼睛与嘴部区域; 其次, 基于大律法自适应二值化, 采用垂直积分投影法判断是否配戴眼镜, 根据灰度直方图 统计特征值法判断戴眼镜的眼部区域状态, 另外, 利用似圆度判断嘴部打哈欠情况; 最后, 利用 PERCLOS (Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态, 利用打哈欠频率识别嘴部疲劳状态。 当检测 到驾驶员处于疲劳状态, 则及时给出疲劳警告。 实验结果表明, 该方法可有效解决眼镜对检测的干扰, 并适用 于不同光照与环境。 同时, 在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。 基本满足疲劳检 测系统对良好的实时性、 稳定性与鲁棒性等要求。     

基于头部状态的司机疲劳综合检测系统

为了减少由于驾驶员疲劳驾驶引起的交通事故,针对司机的驾驶状态,设计驾驶员疲劳状态检测系统的方案。系统采用多状态检测方式,系统中结合连续驾驶时间和司机面部状态,判断司机疲劳程度。面部状态首先使用3x3中值滤波去除噪声和光照对图像的影响,然后通过肤色模型快速检测,确定人脸区域。再通过积分灰度投影对人眼进行准确定位;最后通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动以及连续驾驶时间的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。     

基于人眼识别的防疲劳驾驶系统设计与研究

为了避免日常生活中因疲劳造成的交通事故, 利用人眼图像识别技术对驾驶进行疲劳监测。设计并提出了一套基于图像信息判断驾驶员疲劳状态的流程。首先使用Viola-Jones 算法, 在图像中直接进行人眼定位,再对人眼图像进行处理, 得到人眼长宽比值Q, 最后建立了Q 值和疲劳状态的关联模型。实验证明, 该定位方 式比传统方式检测速度提高了50%以上, 同时能适应头部不同姿态; 建立的“眼部相对长宽比-睁眼程度冶模型具有良好的线性。模拟实际驾驶环境进行测试结果表明, 监测系统能适应不同受试者并在1 s 内对疲劳状态的驾驶员发出警报, 在防疲劳安全驾驶领域有一定的应用前景。     

塔机安全施工可视化监控系统

目的 研究塔机安全施工可视化监控技术,提高塔机施工安全与运作效率。方法 建立塔机安全施工可视化监控系统及使用平台,建立驾驶行为分析与疲劳警报系统,并实现塔机基础监测与吊钩可视化。结果 塔机安全监控报警系统能够准确获取有效数据来判断驾驶员的行为及疲劳状态;驾驶员识别系统能够实现对驾驶员的面部识别;驾驶行为分析系统通过监管吊钩高度、小车位置和塔臂转角等参数,建立了行为规范评分机制,能够改善驾驶员驾驶行为;建立了疲劳警报系统连续驾驶计算规则,确定疲劳驾驶临界时间,并设置终端强行停止塔机运转功能。塔机基础监测系统采用公用无线数据网,实现了实时数据无线上传及记录。结论 塔机安全施工可视化监控系统能够有效提高塔机施工效率,并保证塔机运转安全。     

基于DSP人脸特征识别的司机疲劳驾驶预警系统研究

疲劳驾驶是造成交通事故的一个重要原因。为实时有效地检测驾驶员的疲劳状态,设计了一种融合眼睛和嘴巴两种疲劳特征进行疲劳状态判定的检测算法,并构建了基于DSP人脸特征识别的司机疲劳驾驶预警系统。该算法采用"Harr特征值+Ada Boost"的方法进行人脸识别,然后根据人脸图像的灰度分布定位眼睛和嘴巴的位置,利用Hough变换,以及模板匹配技术判断出人眼的开闭状态,计算PERCOLS值作为司机疲劳驾驶的一个判断指标。除此之外,本系统还利用嘴巴的宽高比及打哈欠的持续时间来综合判定司机的疲劳状态。通过仿真测试结果表明该系统的算法准确、可行、实时性强。     

基于SVM的驾驶员疲劳检测研究

疲劳驾驶是导致交通意外的一个重要原因,在车上装一个疲劳检测系统有助于预防交通事故的发生。现实条件下,司机的头和眼睛是不断运动的,使得疲劳特征提取变得比较困难,再加上外部干扰和光线条件的影响,准确判断司机的疲劳状态是一个具有挑战性的问题。本文介绍了一种利用支持向量机检测驾驶员疲劳状态的方法。首先采集驾驶员的头部视频,然后对视频图像进行处理,提取眼睛、嘴的视觉特征和点头频率变化情况,最后利用支持向量机依据这些特征来判断司机的疲劳状态。通过模拟实验,疲劳检测的准确率达到97.80%,表明该方法适合于驾驶员的疲劳检测。     

基于面部综合信息的疲劳驾驶判别研究

目前疲劳驾驶是导致交通事故的主要原因之一,对防疲劳驾驶预防方法的研究是十分必要的。根据驾驶人面部综合信息,可以对驾驶人进行是否处于疲劳驾驶状态的判断。提出一种根据驾驶人眼部状态、嘴部状态、鼻部状态三者的信息相结合来判断的疲劳状态判定方法。实验表明,这种方法可以在多种情况下对驾驶人进行疲劳的检测。     

基于多源信息融合的疲劳驾驶检测方法研究

针对疲劳驾驶实时检测问题,提出了一种综合的疲劳检测方法,该方法可以实时检测到驾驶员的疲劳状态并作出分析,当驾驶员疲劳时可以发出警报提醒注意安全.系统主要包括三个部分,视觉检测模块主要根据提取的人眼和嘴的特征以及状态检测来判断疲劳情况,多点压力检测模块是根据人身体和背部是否长时间处于静止状态来判断疲劳情况,而脉搏信号检测模块通过脉搏跳动的快慢来判断疲劳情况.再将三种检测结果按照取权值平均的方法综合判断疲劳情况.     

连续驾驶时间下高原驾驶员适宜性模糊聚类评价

为了使高原驾驶员适宜性评价更加客观准确,从驾驶员疲劳角度出发,将影响驾驶员疲劳的主要因素连续驾驶时间作为参照依据,运用模糊理论,对驾驶员视觉特性、速度估计特性、反应特性、处置判断特性4个方面进行综合评价。通过实地行车试验获取20名驾驶员适宜性指标数据,对其中13名驾驶员样本数据进行模糊聚类,建立模糊相似矩阵与等价矩阵,依据聚类样本驾驶员连续驾驶时间长短确定最佳阈值,并将驾驶员适宜性分为4类,最后将已聚类驾驶员样本数据作为识别标准,利用择近原则对其余7名驾驶员进行识别与评价。结果表明:将连续驾驶时间作为参照依据,利用模糊聚类理论对驾驶员适宜性进行评价的方法是可行的。     

连续驾驶时间影响下的高原驾驶员适宜性模糊聚类评价

为了使高原驾驶员适宜性评价更加客观准确,从驾驶员疲劳角度出发,将影响驾驶员疲劳的主要因素连续驾驶时间作为参照依据,运用模糊理论,对驾驶员视觉特性、速度估计特性、反应特性、处置判断特性4个方面进行综合评价。通过实地行车试验获取20名驾驶员适宜性指标数据,对其中13名驾驶员样本数据进行模糊聚类,建立模糊相似矩阵与等价矩阵,依据聚类样本驾驶员连续驾驶时间长短确定最佳阈值,并将驾驶员适宜性分为4类,最后将已聚类驾驶员样本数据作为识别标准,利用择近原则对其余7名驾驶员进行识别与评价。结果表明：将连续驾驶时间作为参照依据,利用模糊聚类理论对驾驶员适宜性进行评价的方法是可行的。     

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.     

辅助驾驶系统对重型卡车驾驶员长途驾驶中疲劳程度的影响

乘用车领域的过往研究发现,相较于手动驾驶使用辅助驾驶系统的驾驶员会更容易出现疲劳,因此有必要探究辅助驾驶系统对重型卡车驾驶员长途驾驶疲劳程度的影响。基于超过120 h的自然驾驶实验,采用多项生心理指标（如心率、心率变异性等）对比了重型卡车驾驶员手动驾驶车辆时和在辅助驾驶系统帮助下驾驶车辆时的疲劳程度。辅助驾驶情况下驾驶员平均心率、呼吸频率、呼吸深度以及瞳孔直径均高于手动驾驶情况下,辅助驾驶情况下驾驶员连续二次心跳（RR）间隔均方根、低高频比例、眨眼频率、眨眼时长以及眼睑闭合百分比（PERCLOS）均低于手动驾驶情况下。当驾驶员处于手动驾驶情况时,驾驶时间每增加2 h,反应时间会增加0.032 s;当驾驶员处于辅助驾驶情况时,反应时间不随驾驶时间发生显著变化。重型卡车驾驶员在辅助驾驶系统帮助下驾驶车辆时的疲劳程度低于手动驾驶,本研究可以为辅助驾驶系统在重型卡车中的安全应用提供理论支持。     

基于无线体域网中多生理信号驾驶疲劳检测

利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集,并对其进行分析处理,从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数,然后使用主成分分析对特征参数进行降维优化处理,同时对原始特征参数和分析后的主成分分别进行统计分析,基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价,并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.     

基于眼睛状态检测的驾驶员疲劳驾驶分析

利用眼睛的状态对驾驶员疲劳进行分析主要有人眼检测和疲劳判断两大问题。驾驶过程中受到光照、角度及眼睛闭合等因素的影响,传统的人眼检测技术误码率较高,而混合复杂的检测技术实时性较差。针对该问题,文章提出一种适用于驾驶员驾驶过程中的人眼快速定位算法。该方法由粗到细,综合运用基于OpenCV的人脸识别、二值化、改进型灰度积分投影、Susan算子角点提取等技术,并结合PERCLOS(percentage of eyelid closure)方法进行疲劳分析。实验结果表明,该方法对各种驾驶环境下驾驶员眼睛的定位,都能快速地获得较高的精度,疲劳检测正确率较高。