驾驶疲劳声音对策有效性的驾驶模拟

采用驾驶模拟实验,验证了声音刺激作为驾驶疲劳对策的有效性。通过声强、声频、持续时间和持续间隔4个因素合成不同类型的声音刺激源。选择容易出现驾驶疲劳的单调性场景和中午时分进行实验,采用眼动和驾驶员的面部特征作为驾驶疲劳的评价标准,当疲劳现象出现后启动声音刺激,分析不同类型的声音刺激前、后的脑电、心电、眼动等生理指标和驾驶操作水平的变化规律。结果表明:驾驶员在疲劳状态下,对单一声音刺激存在警觉反应,但刺激的效果不能持久,在声音刺激之后仅仅能够维持几分钟。同时发现声音类型对刺激的效果有显著影响。因此,需要进一步分析声音的各个因素对驾驶疲劳指标的影响程度,构建持续警觉的组合声音作为有效的驾驶疲劳对策。     

基于模糊识别的驾驶员疲劳检测

汽车驾驶员疲劳驾驶是导致交通事故的重要原因之一,通过监测驾驶员的眼睛可以判别驾驶员的疲劳程度。对驾驶员眼睛的张开程度、眨眼频率、闭眼持续时间占空比等状态量进行检测和运算分析,提出利用模糊识别算法判别驾驶员眼睛疲劳状态。实验结果表明,该方法能有效识别驾驶员的疲劳状态,实时性好,准确率高。     

公路景观色彩对驾驶员脑电δ波成分的影响

为量化高速公路路侧景观色彩与驾驶员脑电δ波成分之间的关系,在吉珲高速公路进行道路试验,采集所需数据.首先基于幂函数建立景观色彩值与脑电δ波成分的关系模型,然后考虑驾驶时间对驾驶员脑电δ波的累积影响,基于高斯函数建立驾驶时间与脑电δ波成分的关系模型.最后采用联合建模的方式建立驾驶时间、景观色彩值对脑电δ波成分的影响关系模型.模型分析结果表明:路侧景观色彩均值与驾驶员脑电δ波成分呈负相关,而δ波多在驾驶疲劳时出现,即景观色彩越鲜亮,越能有效避免驾驶疲劳的加剧;驾驶员脑电的δ波成分随着驾驶时间t呈现波动,但是整体仍处于上升趋势,即驾驶员为规避因疲劳导致的行车危险而强制自己处于警醒状态,其自身会存在疲劳与抗拒疲劳的博弈过程.     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

双车道公路不同线形组合路段划分标准研究

针对驾驶员驾驶安全舒适性特性,以我国双车道公路不同线形组合路段划分标准为研究对象,引入驾驶员驾驶工作负荷理论和驾驶工作负荷度计算模型,通过对驾驶员在双车道公路不同平曲线半径和纵坡坡度条件下的动态驾驶试验方案设计,采集了36名驾驶员在双车道公路不同平曲线半径和纵坡坡度上行车时的运行速度和心电指标数据;在此基础上通过驾驶员在驾驶过程中眼动视频的分析处理,得到小客车和大货车驾驶员在双车道公路不同平曲线半径和纵坡坡度线形、自由流条件下行驶时的驾驶工作负荷度变化规律,发现不同的平曲线半径和纵坡坡度对驾驶员驾驶工作负荷度的影响不同,并确定了满足驾驶安全舒适性的平曲线半径和纵坡坡度划分阈值,最终提出了基于驾驶工作负荷度的双车道公路不同线形组合路段划分标准.     

基于转向盘特征值的汽车疲劳驾驶系统的应用研究

疲劳驾驶是导致货车事故的主要因素之一,文章通过转向盘转向特征值和方向盘握力特征值对货车驾驶员在驾驶过程中的疲劳状态进行界定,研究了疲劳预警方法。经过5名货车驾驶员实车测试,基于转向盘特征值的汽车三级疲劳预警系统正确率可达90%以上。在行车过程中,驾驶员驾车舒适度未受到影响。     

不同天气状况下驾驶员驾驶工作负荷分析

为有效提高驾驶员在不良天气条件下的运行安全,针对晴天、中雨、中雨+雾(能见度100 m)和中雨+雾(能见度50 m)4种不同驾驶条件,利用心率变异性(HRV)指标,对驾驶员驾驶工作负荷特性进行研究.通过随机抽取3名驾驶员,在室内进行对于高速公路不同天气场景的仿真实验,对获得的数据进行统计分析发现,驾驶员在不同天气条件下驾驶工作负荷是有差异的,驾驶工作负荷随天气条件的恶劣程度增加,驾驶环境的能见度对驾驶员驾驶工作负荷影响最大.     

驾驶疲劳状态波动性特征的识别方法

针对疲劳状态变化的波动性特征,基于心率变异性指标构建了一种驾驶疲劳状态识别方法.以驾驶行为绩效为疲劳客观测评指标,给出了适应疲劳波动性特征的驾驶疲劳分级方法.以心率变异性的3项时域指标、5项频域指标为特征因子构建驾驶疲劳识别特征向量,结合支持向量机提出了一种适应小样本的驾驶疲劳状态识别模型.采用10名驾驶员连续4 h的驾驶行为绩效与心电数据,对模型方法予以了测试.测试结果表明:10名驾驶员1级、2级疲劳状态的正确识别率介于70%~82%,平均正确识别率为75%.     

基于EEG的驾驶疲劳识别算法及其有效性验证

为有效识别驾驶员疲劳状态,基于脑电信号(electroencephalogram,EEG)提出了一种驾驶疲劳状态识别方法.首先,以时间段划分疲劳等级,并采用主、客观测评指标对疲劳等级划分的合理性进行验证.然后,利用快速傅里叶变换对脑电信号进行分析,在此基础上选取3种频段的平均幅值和5项合成指标,通过核主元分析(kernel principal component analysis,KPCA)构建疲劳识别脑电指标,结合支持向量机(support vector machine,SVM),构建了驾驶员疲劳状态识别模型.最后,采用30名驾驶员连续驾驶2 h的脑电数据,对该模型方法进行试算.试算结果表明:疲劳状态识别正确率为79.17%~92.03%,平均正确率为84.62%,该方法可用于驾驶疲劳识别.     

基于BP神经网络的驾驶精神疲劳识别方法

为了对驾驶精神疲劳予以有效识别,基于行为绩效结合心电信号指标构建了一种驾驶精神疲劳识别方法．以驾驶行为绩效为客观测评指标,给出了驾驶精神疲劳状态的分级划分方法．在此基础上,以心率变异性的6项指标作为疲劳识别特征因子,采用BP神经网络模型,建立了驾驶精神疲劳状态分类器．最后结合实例,依据驾驶行为绩效,将疲劳状态划分为2级,采用10名驾驶员连续4 h的驾驶行为绩效(反应时)、心电数据,对模型、方法予以测算．结果表明,10名驾驶员平均正确识别率在71％～80％之间,且其平均正确识别率为73％．BP神经网络模型与心率变异性指标相结合可有效的识别疲劳．     

基于Mean Shift算法和Hough变换的疲劳驾驶检测方法

依据PERCLOS基本原理,运用图像处理方法分析测量驾驶员疲劳状态的基本过程,提出一种采用Mean Shift算法和Hough变换的疲劳驾驶检测方法,给出了详细的实现步骤。实验表明,Mean Shift算法能对驾驶员眼部进行有效定位,Hough变换算法能正确判断眼睛闭合状态,所用方法对疲劳驾驶具有较好的检测效果。     

基于驾驶员生命体征的智能监控系统

综合了传感器技术、单片机等各项技术.基于对驾驶员生命体征的分析,对不同精神状态时驾驶员的特异性生理指标进行分析比较,建立了驾驶员生理信息库.利用模糊聚类的方法及驾驶员生理信息采集正交实验,并综合直观分析法分析了不同实验因素对被测试精神状态的影响,建立驾驶操作和驾驶员生理指标之间的关系模型.然后找出驾驶操作行为和驾驶状态之间的关系,综合驾驶员各项生理指标,通过单片机技术及硬件设备实现对汽车司机疲劳的监控——判别驾驶员的不同精神状态:正常、临界或疲劳.实验结果显示:该方法对驾驶员体能状态能准确定位,同时能够满足实时性要求.     

基于密集连接网络的驾驶疲劳状态检测方法

为了解决疲劳驾驶易造成交通事故的问题,提出了基于密集连接网络的驾驶疲劳状态检测方法.首先,借助摄像机采集驾驶状态视频,获取视频帧图像后利用图像处理技术进行图像预处理;利用自适应提升算法检测人脸,再用灰度积分投影和径向对称变换算法定位驾驶员的眼部区域;然后,通过密集连接网络精确判别眼睛状态,在网络中设置了3个密集连接块以减少特征参数和加快训练速度,且采用稀疏化结构以减少存储量和增强特征传播;最后,借助2个疲劳参数综合判断驾驶员的疲劳状态,使检测结果更为准确.定性和定量实验结果证明,该方法在准确率等方面优于现有技术.     

基于脑电信号的驾驶疲劳预报关键参数选取

为了实现驾驶疲劳的及时预报,利用脑电仪在模拟驾驶中采集驾驶员的脑电数据.采用功率谱估计计算不同频段波能量分布情况,确定采用delta和alpha波实现驾驶疲劳预报是可行的.为此,采用BP神经网络构建预报系统,分别对delta波、alpha波单独输入和两者同时输入时预报精度进行验证,结果表明,两者同时输入时预报效果最理想,为车载实时驾驶疲劳预警系统开发提供依据.     

机动车驾驶员疲劳问题研究

疲劳驾驶对交通安全的危害日益严重。对大量交通事故的原因分析表明,49％的责任事故缘于驾驶疲劳。对机动车驾驶员的驾驶疲劳（感知疲劳、判断疲劳、操作疲劳）等相关问题进行研究,对于预防交通事故有一定的理论意义和应用价值。研究表明,驾驶疲劳会导致驾驶员在驾驶过程中视力及听力水平降低、速度判断能力降低、反应时间延长、注意力下降、操作失误增多。     

驾驶员疲劳检测技术的算法设计与硬件实现

为了减少由疲劳驾驶而引起的交通事故,提出了一种基于非接触式的驾驶员疲劳驾驶检测方法.利用摄像头对驾驶员的面部图像进行采集,经过图像前处理,采用在线识别的方法对驾驶员的面部特征进行识别,获取其疲劳状态;硬件采用DSP系列的TMS320DM642作为核心处理器,在判定驾驶员疲劳之后发出报警.实验结果表明,使用脉冲耦合神经网络方法对图像进行增强与在线识别,可以有效地确定人脸与人眼区域,主控芯片TMS320DM642的运算处理能力满足系统的要求,摄像头焦距为8 mm时,系统有效检测距离为30～150 cm.脉冲耦合神经网络方法对于驾驶员疲劳状态检测可靠性较高,合理地选择硬件平台以及系统的安装位置对检测效果有重要的影响.     

驾驶员疲劳驾驶预警系统的设计

针对疲劳驾驶监测的要求,设计了一种基于IT公司高速图像处理芯片TMS320DM642的疲劳驾驶预警系统,用以判定驾驶员的疲劳程度,降低交通事故.系统采用机器视觉的方法,先通过CCD摄像头拍下驾驶员的面部图像序列,然后检测出脸部,从而定位眼睛,再利用PERCLOS算法判定疲劳状态.实验结果表明,该系统准确率高、速度快,可...     

驾驶员疲劳度的实时检测

驾驶员疲劳驾驶是机动车事故发生的一个重要原因,基于驾驶员疲劳度检测方法的疲劳度检测系统可以减少交通事故的发生率。然而很多算法在实现上太复杂或者难以实现。产生睡意的情况下,眼睛睁开幅度比正常情况下要小,而且每次睁开的幅度很固定。根据这种特点,设计了一种实时检测驾驶员疲劳时眼部状态的方法,采用红外线CCD摄像头采集图像,在DSPTMS3206416芯片的基础上实时处理。可以不受光线干扰,快速实时有效地识别出驾驶员疲劳时眼部状态。     

疲劳对驾驶员感知判断及操作特性的影响

在分析疲劳对行车安全影响的基础上,采用实验心理学测试与主观疲劳调查的方式,研究了不同疲劳程度下驾驶员的感知、判断及操作特性。分析了不同疲劳程度下驾驶特性测评指标的变化规律,确定了不同疲劳程度下的驾驶特性测评指标阈值。提出了基于驾驶员驾驶特性的最大连续驾驶时间建议,可为相关部门制定或修订驾驶服务时间提供参考依据。     

基于粒子群优化与支持向量机的驾驶员疲劳等级判别

为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机（ SVM）算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均值、呼吸潮气量、脑电的α波、β波和δ波功率谱密度积分等作为SVM的输入变量,驾驶疲劳等级作为输出变量,引入粒子群算法优化SVM的惩罚系数和核函数参数对判别模型进行标定,采用吉珲高速公路上的实车实验数据对模型有效性进行验证。结果表明：本模型对4项疲劳等级的判别准确率均高于85％,对于驾驶员疲劳预警具有重要意义。通过对模型各个输入变量的敏感性分析,证明基于多项生理指标的疲劳判别较基于单生理指标的疲劳判别更加有效。