基于方向盘握力的疲劳驾驶检测研究

选取6位普通驾驶员参加实际道路驾驶实验,在实验中同步检测驾驶员对方向盘的握力信号和驾驶员的脑电信号。通过独立样本T检验,从时域和时频域两方面筛选出5个与疲劳驾驶密切相关的握力信号特征,将它们作为输入信息;提取脑电功率谱比值作为衡量疲劳驾驶的信号特征,将其作为输出信息;通过BP神经网络方法,以输入信息和输出信息建立基于方向盘握力的疲劳驾驶检测模型。使用部分驾驶数据对检测模型进行验证,结果显示此数学模型对疲劳驾驶的识别率达到87.0%,说明方向盘握力信号可作为检测疲劳驾驶的有效数据。     

疲劳驾驶监视系统中人脸检测算法的综述

人脸检测技术具有非接触、方式友好、干扰因素小、容易被人接受等特点,非常适合用于驾驶员疲劳驾驶状态的监视。在此就人脸检测技术应用于疲劳驾驶监视系统过程中所涉及的软件开发平台以及图像处理算法等问题做一简单的介绍。试就采用Intel公司开发的OpenCV软件平台实现人脸检测在疲劳驾驶监视方面的应用做一讨论。     

哈慈五行针对改善驾驶精神疲劳的实验

研究了基于中医磁疗理论的两组监视操作实验并分析其结果．A组实验从开始到结束共90min，中间无干扰，不间断；B组实验同为90min不间断，但在60—90min时段内，对实验样本的若干穴位进行加磁．实验结束后，对比两组实验测试指标的变化，这些指标主要包括判断正确率、闪频以及主观评价．结果表明，在特定穴位施加哈慈五行针可以改善驾驶员精神疲劳状态．     

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.     

音乐对草原公路驾驶疲劳恢复的有效性

音乐调节在疲劳恢复领域应用广泛,为了解决草原公路因单调驾驶环境造成的驾驶疲劳的恢复问题,提出了音乐调节的恢复方式,对草原公路驾驶疲劳的恢复情况进行有效性探究。通过草原公路模拟驾驶实验,将20名驾驶人随机分为两组,分别进行自然恢复和音乐环境下的驾驶疲劳恢复实验,并采集驾驶人静测、驾驶作业过程中和疲劳恢复期的脑电信号,分析不同恢复方式下驾驶人脑电信号的变化规律,探究音乐对草原公路驾驶人疲劳恢复的有效性。实验结果表明：驾驶人脑电信号的α波和θ波指标在驾驶疲劳恢复期内的反应最为敏感,利用这两项指标进行不同恢复方式下驾驶疲劳恢复期的差异性分析。草原公路模拟驾驶实验180 min后,在30 min的疲劳恢复期内,音乐调节组驾驶人的恢复时间为12～15 min,自然恢复组驾驶人的疲劳恢复时间为27～30 min。     

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.     

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．     

视觉监控警戒的脑电波普功率变异初步研究

目的旨在探索视觉监控警戒过程的大脑活动主要区域和大脑信息加工过程中的疲劳现象与脑电波普变异的关系。方法采用计算机模拟监控警戒作业80min实验。结果 (1)执行监控过程的脑电活动以高频段的β波活动为主,出现13Hz以下的低频段波活动减弱或抑制;(2)执行监控之后使得优势频率(重心频率)向低频段移动,表明疲劳程度增加;(3)P4区域是监控过程中活动最强的区域,实验后的疲劳程度最大,O2、O1、P3和FP1区域也出现疲劳现象,在监控作业进行80min之后的睁眼时,在O1、O2、P3、P4出现5~7Hz的θ波活动占优势。O2、O1和P3、P4是视觉监控作业信息加工的主要区域,FP1与眼睛活动有关。结论视觉监控警戒过程的脑信息加工区域和脑电波普变异有关联,脑电监测方法有助于研究警戒作业的脑力活动的工作负荷。     

Spectral Analysis of Blood Pressure Variability as a Quantitative Indicator of Driving Fatigue

The quantitative detector of driver fatigue presents appropriate warnings and helps to prevent traffic accidents. The aim of this study was to quantifiably evaluate driver mental fatigue using the power spectral analysis of the blood pressure variability (BPV) and subjective evaluation. In this experiment twenty healthy male subjects were required to perform a driving simulator task for 3-hours. The physiological variables for evaluating driver mental fatigue were spectral values of blood pressure variability (BPV) including very low frequency (VLF), low frequency (LF), high frequency (HF). As a result, LF, HF and LF/HF showed high correlations with driver mental fatigue but not found in VLF. The findings represent a possible utility of BPV spectral analysis in quantitatively evaluating driver mental fatigue.     

Evaluation of mental fatigue based on multipsychophysiological parameters and kernel learning algorithms

Mental fatigue is an extremely sophisticated phenomenon, which is influenced by the environment, the state of health, vitality and the capability of recovery. A single parameter cannot fully describe it. In this paper, the effects of long time sustained low-workload visual display terminal （VDT） task on psychology are investigated by subjective self-reporting measures. Then power spectral indices of HRV, the P300 components based on visual oddball and wavelet packet parameters of EEG are combined to analyze the impacts of prolonged visual display terminal （VDT） activity on autonomic nervous system and central nervous system. Finally, wavelet packet parameters of EEG are extracted as the features of brain activity in different mental fatigue states. Kernel principal component analysis （KPCA） and support vector machine （SVM） are jointly applied to differentiate two states. The statistic results show that the level of both subjective sleepiness and fatigue increase significantly from pre-task to post-task, which indicate that the long time VDT task induces the mental fatigue to the subjects. The predominant activity of autonomic nervous system of subjects turns to the sympathetic activity from parasympathetic activity after the task. The P300 components and wavelet packet parameters of EEG are strongly related with mental fatigue. Moreover, the joint KPCA-SVM method is able to effectively reduce the dimensionality of the feature vectors, speed up the convergence in the training of SVM and achieve a high recognition accuracy （87%） of mental fatigue state. Multipsychophysiological measures and KPCA-SVM method could be a promising tool for the evaluation of mental fatigue.     

脑疲劳状态下脑功能网络研究与分析

旨在研究连续长时间脑力活动引发的脑疲劳对大脑连接性的影响,探索大脑疲劳评价的客观指标.通过持续认知任务实验诱发脑疲劳,选用互相关方法对采集到的脑电信号进行了不同导联间时域关联特性分析,构建并比较分析了正常态和脑疲劳态的脑功能网络.最后基于复杂网络理论对脑功能网络的特征参数进行了统计分析.结果表明,持续认知任务后,主观感觉疲劳程度显著增加,脑功能网络的平均度、平均聚类系数和网络密度与正常态相比均显著降低,而平均路径长度显著增大.脑功能网络参数可以很好地反映脑疲劳后大脑的连接性变化情况.     

Reducing the Effects of Driving Fatigue with Magnetic Stimulation

Introduction Drivingfatigueisaseriousproblemandbelievedtobea directorcontributingcauseofroad relatedaccidents.Fatigue isagradualandcumulativeprocessandisthoughttobe associatedwithadisinclinationforanyeffort,reduced efficiencyandalertnessandimpairedmentalperformance[1] Cognitiveeffortinvolvessustainedvigilance,selective attention,andcomplexdecisionmakingandoccasionally automatizedperceptual motorcontrolskills.Performanceover time,suchasthatrequiredduringdrivingusuallyrequire greatercognitivee…     

Relationship between prospective memory and vigilance: Evidence from ERP

Event-related potentials (ERPs) were used in this study to investigate the neural correlates of prospective memory (PM) and vigilance. Twenty college or graduate students participated in this study. They were administered a PM and a vigilance task and physiological data were collected at the same time. Behavioral results showed that the RT associated with PM cues was longer than those associated with vigilance targets. ERP results showed that PM cues and vigilance targets did not show significant difference in the N2 but PM cues evoked greater N300 than vigilance targets, and vigilance targets evoked greater parietal positivity/P3 than PM cues, suggesting vigilance and PM have similar but also distinctive neural basis.     

基于多通道线性描述参数的生理性精神疲劳分析

通过对24h睡眠剥夺实验以及不同精神疲劳状态下的脑电信号进行分析，提取了脑电信号的多通道线性描述参数场强变化率，研究了脑电信号场强变化率的平均值与生理性精神疲劳程度之间的关系，以及它在不同生理性精神疲劳状态下的变化规律及其相关性．实验结果表明，场强变化率的平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号场强变化率的平均值逐渐降低．脑电信号场强变化率的平均值有望成为衡量生理性精神疲劳程度的指标．     

交互式遗传算法中收敛性及用户评估质量的提高

交互式遗传算法（IGA）有一个明显的缺点，即用户在交互过程中，对每代的所有个体都要进行评估，当个体的数量较大，进化代数较多时，用户容易疲劳。针对这一问题本文提出了三种解决方法：第一，利用粗糙集（rough set)理论作为信息提取技术，有效地提高交互式遗传算法的收敛性，降低进化代数。第二，引进一个自主式遗传操作过程，以缓解用户在交互过程中的疲劳性。第三，利用相似距离值这个新概念提高用户对个体评估的精确度。最后在人脸图形上进行实验的结果表明，本文所提的三种方法可以有效的缓解交互式遗传算法过程中用户疲劳问题。