疲劳驾驶转向特征指标的个体差异敏感度分析

个体差异是影响疲劳驾驶识别的重要因素.为研究基于转向行为的疲劳驾驶识别受个体差异的影响,本文对疲劳驾驶转向特征指标的个体差异敏感度进行分析.通过实车试验获得自然驾驶数据,对正常和疲劳状态下的指标进行Kruskal-Wallis(KW)检验,以H统计量表示指标有效性;以H统计量最大的单被试为基础逐一与其他被试组成双被试组合,采用线性模型拟合双被试组合的H统计量和指标个体差异度,以斜率绝对值表征指标个体差异敏感度.研究获得9个转向特征指标的个体差异敏感度,结果表明,敏感度越低,指标有效性受个体差异影响越小,其中方向盘转角标准差的个体差异敏感度最低为2.056.本研究可为转向特征指标的性能评估及疲劳驾驶识别模型的特征选择提供参考.

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。

低光照环境下基于面部特征点的疲劳驾驶检测技术

提出了一种新型在低光照环境下有较高适应性和识别精度的疲劳驾驶检测技术。用深度视觉传感器获取驾驶员驾驶图像,用人脸跟踪算法实时提取面部特征点数据,基于最小二乘法对眼睛和嘴巴轮廓进行曲线拟合。计算眼睛和嘴巴开合度归一化指标,提取了眨眼频率、眨眼平均时长、眼睛闭合总时长、打哈欠频率、打哈欠总时长、低抬头频率等6个疲劳识别特征数据。基于数据统计序列的卷积神经网络算法,建立识别模型,构建疲劳状态检测系统。实验表明:本文算法在低光照环境下的疲劳驾驶识别精度达到了90%,识别时间约为130 ms。

基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故,保障道路交通安全,提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分,利用脉搏波信号(Photoplethysmographic signal,PPG)以及皮肤电反应信号(Galvanic Skin Response,GSR),实现多种生理信号融合,进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律,选取有效指标进行分析比较,以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征,结合主观评测,分析驾驶人的疲劳状态。同时,设定疲劳状态等级,分为清醒、轻度疲劳和重度疲劳状态,构建隐马尔可夫(Hidden Markov Model,HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示:训练后的HMM疲劳检测模型准确率为90%。

驾驶人疲劳监测预警技术研究与应用综述

基于各种物理传感器的疲劳驾驶监测预警技术(DFMP),是交通安全领域的研究重点。这类技术主要包括基于驾驶人生理特征、车辆运行状态以及驾驶人行为特征的疲劳监测。分析论述各种疲劳监测技术的研究现状与进展、优缺点以及应用状况,介绍目前世界上常用的疲劳监测系统。通过分析比较得出:车道偏离监测、车辆运动参数监测、基于人眼、头部运动以及面部状态的疲劳监测等是目前的热点研究方向;系统软硬件的提升、基于机器视觉的多传感器多参数信息融合等是疲劳监测技术重要的发展趋势;更强的实时性、准确性和鲁棒性是疲劳监测技术的发展目标。

基于随机森林的疲劳驾驶检测识别模型的优化研究

与传统基于驾驶员行为的疲劳检测手段相比,基于驾驶员生理指标的驾驶疲劳检测是一种更加客观准确的检测方法,但由于生理信息复杂度高,传统生理指标疲劳检测模型效果不佳且实时性差。随机森林是一种收敛速度快,可处理复杂特征向量样本,高效精准的分类算法。文章在驾驶员生理指标检测基础上,提出一种应用随机森林模型进行疲劳驾驶检测识别的方法,并通过粒子群优化算法和设置阈值修剪错误决策树方式对随机森林模型进行优化,以提高精度和效率。仿真实验结果表明,优化后检测精准确度高达98%,运行效率提高50%。

疲劳检测中眼动指标参数的分析研究

目前眼动特征的非接触式疲劳检测方法中采用的眼动疲劳指标很多。为了比较各眼动指标的性能,本文采集了7名受试者清醒和疲劳状态下的眼动数据,并从中提取了Per-clos、眨眼时间均值、瞳孔面积等5个常用眼动特征参数,分别从显著性和稳定性两个方面分析了这5个眼动参数的变化情况。研究发现perclos、眨眼均值和瞳孔面积3个眼动指标在清醒和疲劳状态下变化具有明显差异,可以作为有效的眼动疲劳特征指标;作为检测驾驶疲劳的指标,眨眼时间均值最为稳定,其次是瞳孔面积。