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。     

基于小波技术的疲劳驾驶行为识别研究

文中以实际道路环境应用为背景,通过一种能正确模拟汽车驾驶动作,获得实车驾驶感觉的驾驶模拟器,利用传感器数据采集系统采集方向盘转角数据,研究了一种基于小波分析方法的驾驶人疲劳检测方法,综合运用了数据处理、采样,去噪、模式识别等多种技术,以降低因驾驶人疲劳驾驶导致的交通事故.     

一种应用语音多特征检测驾驶疲劳的方法

根据人体疲劳对发声系统的影响,提出一种基于语音多特征的驾驶疲劳检测方法.在Takens嵌入定理的基础上,对语音混沌吸引子进行相空间重构,建立语音信号非线性动力学模型.为提高驾驶疲劳检测的充分性和客观性,提取了该模型下的语音非线性特征:最大Lyapunov指数、近似熵和分形维数,并与传统激励源-滤波器模型下的语音特征:基音频率、共振峰和Mel频标倒谱系数相结合,从不同角度反映语音中所包含的疲劳信息.最后通过支持向量机技术建立多特征融合分类器,用于驾驶员语音样本的疲劳识别.实验结果表明,该方法采用的语音多特征之间能够形成疲劳信息的互补,有效地提高了语音检测驾驶疲劳的准确性,在预防驾驶疲劳的行车安全领域有着广泛的应用前景.     

基于MEMS技术的疲劳驾驶预警系统设计

因疲劳驾驶造成的交通事故逐渐增多,疲劳驾驶预警系统的研究有着重要的意义和应用价值。本文则是基于MEMS加速度传感器,通过采集驾驶员头部加速度数据,把得到的加速度数据送到处理器进行处理从而进行疲劳检测。若判定为疲劳驾驶,则通过处理器驱动语音系统发出报警信号,提示驾驶员保持清醒或休息,从而减低因疲劳驾驶造成的交通事故的发生机率。     

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.     

基于脉搏血氧信号的疲劳驾驶研究

通过疲劳驾驶模拟实验,采集驾驶员在驾驶过程中的脉搏血氧饱和度,对不同驾驶状态下脉搏血氧的变化规律以统计学方法进行研究,分析不同驾驶状态下、不同时间窗内脉搏血氧平均值和标准差的差异性,优化出最优时间窗下的血氧疲劳特征参数,获得了较为准确的疲劳驾驶特征参数,对研究疲劳驾驶具有一定的参考价值。     

基于车联网的酒驾疲劳预警监测管理系统

酒驾、疲劳驾驶是造成重大交通安全事故的重要原因,对驾驶员的酒驾、疲劳状态进行监测以及预警是汽车安全技术研究的重要领域。该文研究克服现有技术成本高、精度低、检测程序复杂等特点,采用基于眼部特征识别疲劳驾驶的理论,基于Matlab编程采集驾驶人典型疲劳状态,结合基于单片机的酒精检测预警模块,完成酒驾疲劳检测平台的搭建。研发模块化APP和Web终端车联网监控管理系统,将酒驾、疲劳模块整合到车联网系统中。模块化特点,可以结合不同的交通需求,打造多传感器平台,构成整体车联网系统,实现交通安全的全方面监管,打造智慧交通网络。研究成果对交通安全和智慧城市的建设具有重要的研究意义。     

长途客车驾驶员疲劳状态脑电特征分析

长途客车驾驶员的驾驶状态关系到旅客和驾驶员的生命安全,对长途客车驾驶员的疲劳驾驶研究具有重大意义.选取真实驾车实验环境,对驾驶员脑电信号进行实时监测.首先对采集的驾驶员脑电信号进行了小波包分解,提取了脑电信号中的θ和β节律,然后对它们的平均功率谱进行了分析,最后通过计算脑电疲劳状态指标F,结合眼电特征与主观调查问卷,研究驾驶员主观与客观数据之间的相关性,分析驾驶员疲劳状态变化与脑电信号特征之间的关系.结果表明,在真实驾驶环境下,通过计算驾驶员的脑电疲劳状态指标F值可以有效地检测驾驶员疲劳状态变化.     

农机驾驶疲劳的原因及预防

疲劳,对于从事无危险性简单工作的人来说,除了自我感觉不适外,不会有其他影响。但对于驾驶员来说,在疲劳状态下行车就具有一定的危险性。据调查,因驾驶疲劳引发的农机事故占整个车辆事故的10%～20%。因此,了解并有效地防止驾驶疲劳,对减少农机行车事故是非常重要的。1驾驶疲劳的表现所谓驾驶疲劳是指驾驶员由于种种原因产生了生理和心理机能失调,     

基于头部位置特征的疲劳驾驶检测仪

针对目前严重的疲劳驾驶行为,研制了一种疲劳驾驶检测装置.在座椅头枕上前方正对驾驶员头部的位置安装1个红外线发射二极管和2个红外线接收头,由单片机控制红外线发射的电流强度,同时检测接收头的信息就可以检测头部的相对位置.如果驾驶员处在疲劳驾驶状态中,头部必定偏离正常位置并且时间超过设定值,则输出报警和制动控制信号.在几种典型车辆上对该系统进行了实验,验证了方法的正确性和有效性,并能达到较高的测量精度.     

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。     

A daBoost视觉算法的士兵疲劳预警系统研究

针对我军士兵在高强度的自行武器驾驶军事训练中疲劳导致的装备故障多发,提出了一种基于AdaBoost视觉算法的士兵面部疲劳检测系统.该研究通过机器视觉检测士兵的疲劳状态,采用嵌入式平台对视觉面部图像信息处理并定位人眼,通过AdaBoost算法及Haar-like特征对人眼特征进行疲劳度检测并作出预警,及时更换士兵以提高自...     

驾驶疲劳与汽车人机工程学初探

建立了人—汽车—环境驾驶界面模型 ,首次从人机工程学角度综合分析了造成驾驶疲劳的环境因素 ,指出视觉界面、听觉界面、人—座椅界面、人—操纵界面是影响驾驶疲劳的主要人机界面 ,并从汽车人机界面设计方面提出了防止和缓解驾驶疲劳的有效措施     

基于无仪器佩戴的疲劳驾驶监测研究

通过室内模拟疲劳驾驶实验,利用面背压传感器和心率传感器分别采集驾驶员背靠压力和心率信号,以心率信号为基准,分析背靠压力和心率之间的相关性,确定背靠压力可作为疲劳判定标准,利用面背压传感器可进行疲劳驾驶监测。这种无仪器佩戴驾驶方法为疲劳监测提供了一种新思路,对疲劳驾驶预警系统的设计具有一定指导作用。     

基于PERCLOS的驾驶疲劳检测系统

驾驶员的疲劳驾驶是引发交通事故的重要原因之一。描述了一种基于PERCLOS的驾驶员疲劳检测方法,采用1394数字采集卡采集驾驶员图像,经过图像预处理、人脸定位、人眼定位和人眼面积的计算,最终判断出驾驶员疲劳与否。     

心电图时频域指标在驾驶疲劳评价中的有效性研究

驾驶疲劳是造成交通事故的重要原因,用心电图指标来评价驾驶疲劳对于驾驶疲劳的研究具有重要意义。这里采集了16名被测试者90分钟实验室模拟驾驶操作过程的心电信号,并对实验开始和结束时的15分钟时段心电信号的7项时频域指标进行分析。研究发现:有四项心电时频域指标与疲劳程度明显相关。驾驶疲劳实验后,心率变异性时域测量指标中的RR间期的标准差SD明显上升,心率变异性频域测量指标中的低频段功率值LF明显上升,高频段功率值HF明显下降,LF和HF的比值LF/HF明显上升。因而,采用此四项心电图时频域指标,可以对驾驶疲劳程度进行定量化的反映和评判。     

汽车驾驶座椅的人机工程设计研究

阅述了汽车驾驶座椅舒适性对驾驶疲劳的影响,从座椅的静态特征和动态特征两方面对汽车驾驶座椅的人机工程设计进行了详细分析,对我国今后在汽车驾驶座椅设计分析方面应注重的问题作了简要讨论.     

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.     

驾驶疲劳与汽车人机工程学初探

建立了人-汽车-环境驾驶界面模型，首次从人机工程学角度综合分析了造成驾驶疲劳的环境因素，指出视觉界面、听觉界面、人-座椅界面、人-操纵界面是影响驾驶疲劳的主要人机界面，并从汽车人机界面设计方面提出了防止和缓解驾驶疲劳的有效措施。