驾驶员疲劳驾驶检测方法研究综述

驾驶员疲劳驾驶检测方法研究综述

张显兵

贵州省烟草公司六盘水市公司

摘要：在长时间驾驶过程中，司机必须保持高度集中，随时准备应对各种复杂的内外环境，容易引起驾驶疲劳，导致注意力不集中、判断能力下降、警惕性降低、精神错乱等。这使得驱动程序很难保持良好的初始技术水平，从而导致诸如停止操作、惯性或操作错误等问题。因此，研究和发展检测驾驶疲劳的技术具有重要的社会和经济意义。基于以往的疲劳驾驶检测方法，本文总结了当前的疲劳驾驶检测技术。分析了根据主观方法、心理、行为和生理参数确定驾驶员是否疲劳，对检测技术进行了分析和探讨。

关键词：疲劳检测；主观方法；行为参数；生理参数

前言

交通事故的主要原因之一是驾驶疲劳。如果司机驾驶疲劳，不仅他的生命会受到威胁，而且会给其他司机和车辆带来难以想象的后果因为交通事故不会在司机疲劳时立即发生，所以在司机疲劳时使用报警装置提醒司机是完全有可能的，这样司机就有意识地采取适当措施预防事故。数据表明，在交通事故发生前，如果司机反应速度比疲劳时快0.5秒，60%的事故在很大程度上是可以避免的。

1 驾驶员疲劳驾驶检测方法概述

1.1基于主观方法的疲劳检测

主观性方法主要是从皮尔森疲劳抽样表、斯坦福睡眠量表、驾驶员自我注册表等问卷中评估驾驶员是否疲劳。其中最具代表性的皮尔森疲劳统计表将疲劳程度分为13级。睡眠习惯问卷调查司机平时的睡眠状况，评估疲劳程度和心情。由于驾驶目的、驾驶时间和驾驶习惯的自我评价，司机自我注册表格不能作为疲劳测试的标准。这些主观调查问卷易于使用，但不太可靠，效率也较低，可以作为补充指标。

1.2基于心理参数的疲劳检测

其他特殊实验使用声光响应时间、闪光融合频率、任务完成精度和完成速度等指标来确定驾驶员的疲劳程度。声光响应时间和闪光融合频率可由视觉系统分辨率的限制决定。完成任务的精确度和速度指标可以确定大脑反应的疲劳程度。上述方法需要额外的实验工作，需要大量时间，可以作为补充指标。

1.3基于生理参数的检测

（1）脑电图(EEG)信号检测

悉尼大学健康研究中心从不同频带的不同司机那里收集大脑电信号，并通过神经网络进行处理。利用抽样熵和二次微分结构对脑电信号进行非线性分析和处理；利用驾驶模拟实验，通过研究不同频段脑电信号平均功率变化规律，验证了脑电信号作为疲劳检测指标的合理性。新西兰的研究人员开发了监测警报器，以监测EG信号和驾驶员的眼睛活动，并在驾驶员疲劳时自动发出警报；日本canonk公司开发了将脑电图信号与刺激发生器连接起来的抗睡眠装置，睡觉时发出声音警报。大脑的电信号检测是可靠、敏感和抗干扰的，但成本高昂、复杂且不可扩展。

（2）心电图（ECG）信号检测

分析心脏信号的心率变化，判断司机是否疲劳；通过研究心率变异性和血压的功率谱分析，全面评价了驾驶员的心理疲劳程度。日本先锋公司在方向盘上装了一个纸心跳传感器，检测心跳速度的变化，一旦确认司机睡着了，就报警了。该装置结构简单、易于实现、成本低，但由于个体心率差异较大，判断错误率稍高，只能作为疲劳判断的辅助装置。

（3）肌电图（EMG）信号检测

肌肉电信号一般用诱发电位测量，表面电极固定在肌肉表面，肌肉电信号通过表面电极传送到肌电记录仪。该方法用于研究长途驾驶过程中驾驶员疲劳过程。疲劳后表面肌电信号幅度增大，平均频率降低。肌电信号检测与脉象检测的优缺点相似，但在扩展性方面优于脉象检测。

1.4基于行为参数的疲劳检测

（1）面部特征

发现疲劳可以通过瞳孔直径、眼睛和快速运动的眼期来确定。通过收集图像信息、预处理视频图像，并参考滑动时间窗技术来分割数据，可以首先使用诸如闪烁频率和闪烁频率等方法确定导体是否疲劳。百分度标测量每单位时间闭上眼睛所花费的时间比例。每单位时间闪烁的次数是闪烁频率。目前，眼睛快速检测算法很多，但开车时眼睛跟踪技术仍存在一些困难。由于不同司机的眨眼习惯不同，平均眨眼时间与科目的个体差异有很大关系。但是，发现瞳孔直径的包络阈值受个体差异的影响较小，从而提高了基于眼睛行为的疲劳检测精度。司机疲劳经常有与正常状态大不相同的面部表情资料,实际上可以取得驾驶员的状态，但是相机位置容易干扰驾驶员的视图，并且需要驾驶员的脸位于可识别的区域内，从而影响实验。

（2）车辆参数

人脸检测方法受光的影响，车辆行为参数可以有效地确定驾驶员是否疲劳。使用诸如方向盘转角、车辆路径、侧移、行驶速度等参数，可以根据相应的算法判断司机是否疲劳该方法与司机没有接触，实用，但精度低，易受路况和车况等内外环境的影响。

1.5基于信息融合技术的检测方法

（1）AWAKE项目

欧洲联盟建立了一个名为AWAKE的综合驾驶员行为监测系统。该项目使用各种传感器，如图像、压力等，以综合监测和评估驾驶员的行为状态，如眼睑运动、视线方向、方向盘抓力等。该系统主要由司机疲劳实时监测模块和报警系统两部分组成。司机疲劳实时监测模块不仅能够有效地识别直接反映司机疲劳的信息和间接反映疲劳驾驶行为的数据。司机疲劳还分为清醒、潜在疲劳和疲劳三个层次。司机报警系统由声音、视觉和触摸报警组成。当检测到疲劳时，可以通过不同强度的声光刺激和根据疲劳程度的安全带系紧来提高驾驶员的警觉性。

（2）Face LAB系统

澳大利亚国立大学与沃尔沃合作开发的面对面实验室系统。通过合并多特征信息，通过检测驾驶员头部姿势、眼睑运动、观察方向和瞳孔直径等特征参数，实现驾驶员疲劳状态的实时监控。该系统使用不同于perclos系统的眼睛睁开和眼睛方向检测方法，并在诸如黑暗、头部移动和驾驶员戴眼镜等情况下解决眼睛跟踪问题。

2驾驶疲劳检测研究的发展趋势

（1）研究训练机制和驾驶疲劳模型。从人体工程学和行为科学的角度，结合心理研究结果，深入研究了机动车驾驶员疲劳的形成机制，揭示了驾驶疲劳的性质，建立了驾驶疲劳关系的数学模型，为疲劳检测提供了理论支持。

（2）驾驶员疲劳检测与评估方法研究。以驾驶员疲劳的形成机理和模型为基础，利用计算机视觉和模型识别等技术研究了驾驶员疲劳检测方法。生理指标或是通过各种生理和心理测试方法检测，可以定量反映人体的疲劳程度。同时结合驾驶员疲劳的行为特点，制定了驾驶员疲劳实时检测指标。

（3）结合多种方法提高驾驶员疲劳检测的可靠性。现有的大多数检测方法都侧重于导体的疲劳特性。由于驾驶员与其工作环境的共同差异，为了提高疲劳状态检测的可靠性，有必要整合以前的检测方法，开发适合驾驶员疲劳的检测方法，从而提高疲劳报警装置的可靠性。

结束语

综上所述，汽车疲劳驾驶研究是一个由人、汽车和环境组成的极其复杂的系统。其中，衡量和判断人的疲劳缺乏统一标准，导致行为疲劳的因素多种多样。汽车的内外环境因素也对驾驶疲劳产生影响，而驾驶疲劳很难通过测量一个或多个物理量来量化。尽管疲劳检测技术引起了许多国家的注意并取得了一些成果，但市场上仍然缺乏可靠和实用的检测机制，因此需要加强研究。

参考文献：

[1]裴玉龙,刘颖慧,翟博韬.营运长途客车驾驶员疲劳累积规律及模型研究[J].交通信息与安全,2017,35(1):26-34.

[2]刘鹏,江朝晖,熊进,刘爱萍,冯焕清.用于驾驶疲劳检测的人眼定位及状态判别算法[J].计算机工程与应用,2010,46(24):185-188.

[3]姚瑶,杨艳芳,齐美彬,蒋建国.基于视觉的疲劳驾驶检测算法[J].合肥工业大学学报(自然科学版),2015,38(12):1623-1627.

[4]成波,冯睿嘉,张伟,李家文,张希波.基于多源信息融合的驾驶人疲劳状态监测及预警方法研究[J].公路交通科技,2009,26(1):13-18.

[5]郭慧利,王恁,郭浩.基于面部多特征的疲劳驾驶预警系统的研究[J].通信学报,2018,39(S1):22-29.

[6]牛琳博.基于心电信号的驾驶疲劳识别方法研究[D].西南交通大学,2017.