驾驶员状态监测目标动作报警阈值的确定

当前驾驶员状态监测目标动作报警阈值的确定多根据技术能力及驾驶员驾驶习惯讨论得出,缺乏理论依据。为此,论文通过设计实验通过驾驶模拟器采集车辆操纵及运行状态参数,建立车辆运行状态评价指标体系。提出一种通过K-means算法对驾驶人不安全驾驶行为数据集进行聚类确定报警动作阈值的方法,可以为驾驶员状态监控系统的开发及相关测试标准的制定提供参考。

驾驶员状态监测系统测试评价方法分析

随着智能驾驶汽车的高速发展,L2级别的高级辅助驾驶系统装车率也越来越高,L3级自动驾驶已逐步实现,而安全自动驾驶还尚未完全落地,当前正处于人机共驾阶段,尽管ADAS系统可以降低交通事故发生率,但疲劳驾驶、分心驾驶和危险驾驶等交通安全“隐形杀手”仍长期存在,给驾驶员和乘客带来生命安全,驾驶员状态监测系统能有效避免疲劳或者分心驾驶引发的交通事故,已经成为避免事故和改善道路驾驶安全的一项关键技术。本文介绍了驾驶员状态监测系统工作原理,分析了目前国内外驾驶员监测系统的测试评价方法,并总结了该系统的未来发展动向。

嵌入式驾驶员状态检测算法的实现与优化

提出了一种可以在嵌入式平台上实时运行的驾驶员状态检测算法.状态检测采用了基于统计学习的Adaboost算法与动态建模算法.与传统的采用主动红外光的方法相比,本系统采用对人眼更为安全的被动式方法,且对光线的变化有更好的鲁棒性.算法的主要创新点是:1)提出了检测区域自适应调整的单双眼检测相结合的Adaboost人眼检测算法,提高了人眼检测的准确性与速度;2)提出基于高斯混合模型的人眼动态建模跟踪算法,自动提取驾驶员眼睛区域灰度分布的信息,实现了对不同驾驶员人眼的建模与跟踪定位.在多个公共数据集以及实车采集的视频上进行的实验表明,该算法能够准确判断驾驶员的状态,满足实时处理的要求.

基于卷积神经网络和贝叶斯算法的驾驶员状态监测研究

在基于图像识别的驾驶员状态监测任务中,卷积神经网络作为一种十分有效地全局算法,被广泛应用;针对中国汽车驾驶员状态监测问题,提出一种基于卷积神经网络与贝叶斯优化算法结合的驾驶员状态监测方法,该方法数据集采用Kaggle数据集+自建数据集方式建立.算法实现采用迁移学习算法,同时利用贝叶斯优化算法对迁移学习模型进行超参数优化.经过实验验证,采用方法加快了模型优化时间、降低了运算成本,且对驾驶员状态识别问题具有较高准确率.

高速公路环境下驾驶员状态辨识

为了进一步提高高速公路环境下车辆的主动安全性,提出了一种基于信息融合的高速公路驾驶员状态辨识方法。基于高速公路驾驶员驾驶特征,通过高速公路模拟驾驶试验,对驾驶员眼部状态和油门踏板信号进行检测。选取加油频率、眨眼频率、眼睛闭合率和眨眼持续时间作为驾驶员状态的评价指标,采用模糊评价和D-S证据理论相结合的信息融合方法,建立了高速公路上驾驶员状态辨识的模型,并通过实例验证了该模型的有效性。

面向驾驶员状态监测的人眼凝视方向判别

基于眼球运动规律监测驾驶员状态是当前研究的热点,而获取人眼凝视持续时间、眼球扫视运动频率等眼球运动参数的基础和前提是实时判别人眼凝视方向。首先采用红外光源和红外滤光片的装置,通过CCD摄像头获取"暗瞳孔"图像;接着根据人脸特征粗定位人脸区域,并通过对人脸上半部分水平积分投影粗定位人眼区域;然后在定位出的人眼区域内,利用闪光点与周围瞳孔区域灰度值差异大的特征精确定位闪光点,并在闪光点周围提取暗瞳孔精确定位瞳孔质心;最后建立凝视方向判别模型,根据闪光点与瞳孔的相对位置判别出人眼的凝视方向。凝视区域判别实验结果表明,该算法对于获取眼球运动相关参数有较好的应用前景。

融合视频与生物电信息的驾驶员状态监测与预警系统

驾驶员的驾驶状态与驾驶安全密切相关,如何有效监测驾驶员状态已成为各国争相研究的课题。采取融合视频与生物电技术,设计出人眼跟踪及生物电监测系统。本系统依据闭眼时人脑中会产生α波来对脑电分析提取α波,同时,通过视频对人眼所在的区域进行监测来更加精确地获取驾驶员所处的驾驶状态,当驾驶员的脑电中检测到超过时长的α波或眼睛超出正常预计范围时,则表明驾驶员处于异常状态,此时系统及时报警。仿真实验表明本系统有较高的监测正确率。

驾驶员状态监测功能检测研究

介绍了目前中国有关汽车驾驶员状态监测功能的相关政策及驾驶员状态监测功能检测的开展情况和实现方法;通过对检测过程的分析,指出驾驶员状态监测功能检测中存在检测手段缺乏、量化指标缺少及环境条件量化不够明确等技术问题,并提出了解决思路。

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。

基于驾驶员状态的公路景观绿化设计

驾驶员是驾驶行为的主体,国内外大量的事故统计资料显示,交通事故发生的最主要原因是驾驶员的操作失误,研究驾驶员在驾驶时的心理和生理并采取对应的措施能有效降低交通事故率。景观绿化植物作为公路环境的重要组成部分,对其进行适当布置以贴合驾驶员的心理和生理特点能改善行车体验,保障行车安全。

基于迁移学习和AlexNet的驾驶员行为状态识别方法

为了解决传统基于神经网络算法的驾驶员行为状态识别系统精度过于依赖大量训练样本的问题,提出将迁移学习理论和Alex Net引入到驾驶员行为状态的识别研究中。首先对驾驶员行为特征及状态进行深入分析,对驾驶员7种驾驶状态进行了定义,构建了驾驶员状态信息采集系统;然后对基于卷积神经网络的驾驶员状态识别方法研究,建立了驾驶员状态数据集,构建了基于Alex Net卷积神经网络的状态监测系统,通过迁移学习完成了卷积神经网络识别模型。最后通过实验验证了提出的驾驶员状态识别算法对7种驾驶员状态识别的有效性。实验表明:该系统准确率达到97. 8%,且在实验设备中运行速度达到70帧/min,满足较高的准确率要求与实时性要求。

基于数字图像的汽车驾驶员行驶状态判别

通过车载CCD图像传感器摄取图像,在利用中值滤波、边缘检测等图像处理技术去除噪声和获取道路标线的基础上,建立了摄像机的透视投影模型和汽车驾驶员行驶状态模型,研究了车辆行驶过程中相对道路标线的行驶状态参数,以监控驾驶员行车状况。实验证明,该方法获得的行驶状态参数曲线能有效判别驾驶员的行驶状态,为减少驾驶员人为因素导致的交通事故作了有益的探索。

针对驾驶员疲劳状态的防撞报警算法的研究

为设计适合于驾驶员不同疲劳状态的防撞报警算法,利用驾驶模拟器分析了驾驶员处于不同疲劳状态时常用报警算法的实际效果和对交通危险感知的变化。结果表明,随着疲劳程度的加深,防撞报警算法须适当提前报警时机,且该时机应符合驾驶员在不同疲劳状态下对交通危险的感知特性。在此基础上,构建了适应疲劳状态的防撞报警算法,实验验证的结果表明:该算法能为不同疲劳状态的驾驶员提供合适的报警时机,提高了实际的防撞报警效果。

驾驶员危险驾驶智能防止系统

驾驶员危险驾驶智能防止系统应用于道路车辆中,通过采集驾驶员面部表情、动作、生理参数等数据获取驾驶员驾驶状态,并获取车辆行驶的道路环境信息和车辆的驾驶信息,判断驾驶员是否存在疲劳驾驶、身体异常、情绪异常、驾驶操作不当等情况,若存在,危险驾驶防止模块产生报警提示信号,且在判断驾驶员状态异常不足以驾驶车辆时,由车辆控制模块接管车辆进行自动驾驶。在判断驾驶员操作车辆的驾驶信息在当前车辆行驶的道路环境中会导致危险发生时,对驾驶员的相应驾驶行为进行限制,以防止由于驾驶员的驾驶行为所引发的危险。文章就驾驶员危险驾驶智能防止系统进行了相关的阐述和分析。

机动车驾驶员疲劳状态的仿真分析研究

通过对驾驶员的驾驶操纵过程进行分析,应用传递函数这一经典控制理论工具,构建了驾驶员的行为操纵模型,并在MATLAB/Simulink仿真环境下实现,通过对机动车驾驶员的正常状态和疲劳状态进行仿真比较分析,表明驾驶员在疲劳状态时比正常状态时需要更长的操纵时间才能跟随着道路环境的变化,其果断性和灵敏性、实时性均下降很多,为进一步研究机动车驾驶员的疲劳状态奠定了理论基础。

驾驶员状态监督硬件在环试验研究

驾驶员状态对于机动车行车安全有着决定性的影响。针对驾驶员操控车辆行驶过程中的行为状态检测问题,通过基于高斯混合-隐马尔可夫模型的驾驶员状态监督方法对驾驶员状态监督模型的检测结果进行评估,分析其状态识别准确率和接受者操作特性曲线;搭建了驾驶员在环实时仿真硬件平台,并在该硬件在环平台开展硬件在环试验,进一步验证所建模型。结果表明:搭建的硬件在环平台可以进行驾驶员状态监督试验验证,有助于智能汽车驾驶安全性验证。

基于ARX模型的汽车模拟器驾驶员行为状态识别

驾驶员行为状态的识别对机动车驾驶的安全性有很重要的意义。采用汽车方向盘角度α作为输入，汽车偏离路面车道中心线的垂直位移S作为输出来建立模型，并观察模型参数（自然频率和阻尼比）的变化规律，用于判断驾驶员是否处于疲劳状态。同时，用疲劳时位移序列S的方差会不断变大来验证上述方法的正确性。

驾驶员疲劳状态监测系统综述

为提高车辆安全、减少因驾驶疲劳导致的交通事故,自20世纪80年代起,汽车厂商、零部件商以及科研机构开始从事驾驶疲劳方面的研究。本文总结了各种驾驶员疲劳状态监测系统的研究与应用情况以及整车厂在售车型配备的驾驶员疲劳状态监测系统及其工作原理,例如梅赛德斯-奔驰Attention Assist系统基于操纵行为监测驾驶员疲劳状态,丰田Driver Monitor系统基于驾驶员面部状态和眼睛开闭频率监测驾驶员状态,福特Driver Alert System采用多维信息融合的方法监测驾驶员状态,等等。本文分析了目前各种驾驶员疲劳状态监测技术的工作原理、优点与不足,并梳理了研究驾驶员疲劳状态的技术路线,提出了建立疲劳数据库的方法、监测驾驶员疲劳状态的方法以及如何应用疲劳监测结果,最后预测驾驶员疲劳状态监测技术未来的发展趋势。

基于RGB相机的驾驶员注视区域估计

为了解决驾驶员分心驾驶可能对安全带来的隐患,提出一种通过RGB相机获取图像并估计驾驶员注视区域的方法。该方法通过分析驾驶员的面部特征以及头部姿态信息得出驾驶员的注视区域,进而分析驾驶员是否保持在专心驾驶的状态。通过实验验证头部姿态估计以及注视区域估计的准确性,且在速度上达到8.9fps。表明该方法对驾驶员的注视估计有很好的实用性。

货车防疲劳驾驶系统设计

文章从货车驾驶员在行车过程中驾驶状态的检测、疲劳的判断和防疲劳装置的设计三个方面进行阐述。首先通过对货车驾驶员的状态信息进行收集,而后传送到系统主机判断驾驶员是否疲劳,当判断超过阈值就可以把信号传递给执行机构,发光二极管(LED)灯闪烁,蜂鸣器、座椅振动等执行装置同时给予驾驶员疲劳驾驶提示,从而将驾驶员唤醒。为某货车防疲劳驾驶提供一种切实可行的方案,减少疲劳驾驶的现象,降低交通事故率,保障交通出行的安全。