基于生理信号的疲劳驾驶研究

为确定驾驶员生理信号特征与疲劳驾驶状态间的相关度,通过模拟驾驶实验,采集驾驶员清醒、疲劳时的生理特征信息,以脑电信号为基准,分析脉搏、呼吸、心率与脑电信号之间的相关性,确定了脉搏、呼吸、心率信号的变化均与驾驶状态相关,为疲劳驾驶监测提供了检测依据,对疲劳驾驶建立预警系统具有一定的参考依据。     

基于可解释深度学习的单通道脑电跨被试疲劳驾驶检测

脑电信号被认为是检测驾驶员疲劳状态的最佳生理信号之一。 然而,由于不同被试者和不同记录时段的脑电信号差异 很大,设计一个无校准的脑电疲劳检测系统仍然具有挑战性。 近年来,虽然开发了许多深度学习方法来解决这个问题并取得了 重大进展,但是深度学习模型的黑盒效应使得模型决策不可信赖。 为此,本文提出了一种可解释深度学习模型,用于从单通道 脑电信号中检测跨被试疲劳状态。 该模型具有紧凑的网络结构,首先设计浅层 CNN 提取 EEG 特征,然后引入自适应特征重新 校准机制增强提取特征的质量,最后通过 LSTM 网络将时间特征序列与分类相关联。 模型分类决策的可解释信息则是由 LSTM 输出隐藏状态的可视化技术实现的。 在持续驾驶任务的公开脑电数据集上进行大量跨被试实验,该模型的分类平均准确率最 高达到 76. 26% 。 相比于先进的紧凑型深度学习模型,该模型有效降低了参数量和计算量。 可视化结果表明该模型已发现神经 生理学上可靠的解释。     

基于多生理信息及迁移学习的驾驶疲劳评估EI北大核心CSCD

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射（LMPROJ）的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

基于面部识别的驾驶员疲劳危险驾驶检测系统

为了有效降低驾驶员疲劳驾驶、短时间未看道路等危险驾驶的概率,设计了以面部特征为研究对象的人脸识别的检测系统.该系统通过对面部识别以及眼睛和嘴的定位跟踪,提取面部疲劳信息,将跟踪的图像信息传输到OpenCV视觉库进行图像处理,通过一系列的算法对驾驶员疲劳、危险驾驶行为进行判断、疲劳值计算,最后通过安全警报模块对驾驶员给予警报提示.经实验测试,该系统满足车载、实时性、准确性的要求,能够快速的检测驾驶员的危险驾驶状态,具有一定的实用性.     

驾驶员脑电特征与手臂操纵驾驶行为研究

为了进一步研究脑电信号与驾驶行为的关系,通过脑电采集设备与惯性运动捕捉系统同时捕捉驾驶员脑电信号数据与操作手臂运动参数。分析驾驶员手臂驾驶方向盘的过程中,脑电信号的变化与操作手臂运动方向之间的关系。利用共同空间模式(CSP)与小波包分解(WPD)的方式,提取左右运动相关的C3和C4导联特征,结合手臂运动关节的加速度进行相关性分析。实验结果表明:在实际的驾驶行为中,左右转向过程,C3、C4导联出现持续的ERD/ERS现象,为脑机接口控制量化标准提供基础。     

基于多生理信息及迁移学习的驾驶疲劳评估

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射(LMPROJ)的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

一种全天候驾驶员疲劳检测方法研究

针对驾驶员疲劳状态检测问题,本文提出了基于红外图像处理和生理特征-心率的全天候疲劳检测算法,采用模糊神经网络专家系统对驾驶员的疲劳状态识别.假设驾驶员驾驶汽车的初始阶段(前十分钟内)是清醒的,这样在前十分钟内,模糊神经网络处于学习阶段并记忆驾驶员的状态,在十分钟之后模糊神经网络处于离线自学习,在线对驾驶员状态实时识别.通过实验表明该检测方法克服了光线和气候的影响,该识别方法具有较强的自适应能力.     

驾驶员疲劳检测实时控制系统设计

为了实现对驾驶员疲劳状态的在线监测,建立了驾驶员疲劳检测实时控制系统。对该系统所采用的人脸识别、人脸跟踪技术、人眼定位以及疲劳状态判断等进行研究。首先,介绍了系统的构成,以模块化思想构建系统软件。接着,以MB-LBP算法对人脸进行特征分类,结合Adaboost级联算法提取人脸信息,并与经典的人脸识别算法进行了对比。然后,利用人脸跟踪技术提高人脸识别的效率,并成功地实现了人眼定位于检测。最后,使用椭圆拟合算法对检测出来的眼睛区域进行拟合,通过计算驾驶员单次眨眼时间,进行驾驶员疲劳状态判别。试验结果表明:所设计的基于驾驶员面部特征的驾驶员疲劳驾驶检测系统,能够有效地检测驾驶员的疲劳状态,平均正确检测率高于90%。基本满足驾驶员疲劳驾驶非接触检测实时性好、准确性高的要求。     

大型客车发动机油门自适应控制系统的设计与仿真

当今对大型长途客车驾驶舒适性提出了更高的要求,采用自适应巡航控制系统是缓解驾驶员驾驶疲劳,提高驾驶舒适性的一个有效途径。以大型长途客车为目标,对自适应巡航系统中柴油发动机油门的精确控制进行了研究。建立了控制系统数学模型,研究了PID控制策略。针对直流力矩电机的机械特征对控制策略进行了优化,通过单片机的输出比较通道产生PWM以控制电机。运用MATLAB进行了仿真分析。通过仿真和实车试验,表明利用该控制策略开发的油门控制器的控制效果良好。     

浅谈汽车驾驶员疲劳监测技术的研究进展

驾驶员疲劳监测技术包括主观监测技术和客观监测技术,后者主要通过监测驾驶员行驶时的生理和心理信号来判断其疲劳状态.文章介绍了客观监测技术的一些研究成果,并对目前存在的问题及其对策进行了简要分析.