基于Adaboost的疲劳驾驶眨眼检测

驾驶员疲劳驾驶是引发交通事故的重要因素之一。通过对眼睛状态的实时检测,可以在生理特征上反映出驾驶员的疲劳状态。该文基于Adaboost算法训练分类器,在检测到驾驶员人脸的基础上,对人眼区域进行预估,最后在预估区域中使用分类器对眨眼进行检测。在实际试验中,该方法具有很强的实时性和较好的准确性,能够有效的应用于疲劳驾驶的检测中。

基于脑电“微状态”的驾驶员脑负荷研究

驾驶疲劳影响驾驶员的警觉度和注意能力,同时严重影响道路交通安全。该文在实验室驾驶平台中模拟疲劳驾驶的基础上,提出了一种评估驾驶过程中大脑工作负荷的方法。实验结果表明,当大脑工作负荷较小时,在theta频段左前额高电势微状态出现的频率升高;当大脑工作负荷较大时频率降低。以此为指标,可以对驾驶员的放松和警觉状态进行检测。

基于心电和脑电的驾驶疲劳检测研究

驾驶疲劳是引发交通事故的重要原因。驾驶疲劳检测不仅具有重要的理论研究价值,同时也将产生重大的社会、经济效益。该文通过心电信号计算驾驶过程中的不同阶段的心率和脑电信号,经过功率谱估计后,计算得到功率谱频段比值,作为疲劳检测的指标。模拟驾驶实验中,对驾驶前后两个阶段的19位被试者的生理指标作统计显著性检验,实验结果表明,该文提出的心电和脑电指标可以有效地对驾驶的疲劳和清醒状态进行检测。