多特征融合的驾驶员疲劳状态检测方法

针对现有疲劳状态检测方法无法适用于疫情防控下的驾驶员，利用改进后的YOLOv5目标检测算法，对驾驶员的面部区域进行检测，建立多特征融合的疲劳状态检测方法.针对公交驾驶特性，建立包含佩戴口罩和未佩戴口罩情况的图像标签数据.通过增加YOLOv5模型的特征采样次数，提高眼、嘴、面部区域的检测精度.利用BiFPN网络结构保留多尺度的特征信息，使得预测网络对不同大小的目标更敏感，提升整体模型的检测能力.结合人脸关键点算法提出参数补偿机制，提高眨眼、打哈欠帧数的准确率.将多种疲劳参数融合归一化处理，开展疲劳等级划分.公开数据集NTHU和自制数据集的验证结果表明，该方法对佩戴口罩和未佩戴口罩情况均可以进行眨眼、打哈欠识别，可以准确地判断驾驶员的疲劳状态.     

一种疲劳驾驶检测方法

使用YOLOv3-tiny卷积神经网络进行驾驶环境识别,利用dlib人脸检测算法进行检测,实现人脸特征点的精确提取.采用眼特征向量(EFV)和口特征向量(M FV)作为驾驶员眼状态和口态的评价参数.通过离线训练构建驾驶员身份信息库模型,使用相应算法进行判定,完成疲劳驾驶检测.     

紧急状况下职业驾驶员适宜性评价遴选系统

针对道路突显信息下驾驶行为的适宜性评价,综合考虑了驾驶能力、安全态度和紧急状况下的驾驶行为,利用动态心电分析仪、Frecord数据采集系统及动态GPS在交通部试验场进行试验研究.利用模糊推理和层次分析法,建立评价系统对职业驾驶员适宜性评价遴选进行研究,为驾驶员安全管理提供理论依据.     

基于改进YOLOv5的驾驶员分心驾驶检测

针对采用分类方法进行分心驾驶检测存在只能识别有限分心驾驶行为类别以及忽视时间信息的问题,提出了基于改进YOLOv5的驾驶员分心驾驶检测方法。首先,在YOLOv5的基础上引入Ghost模块,采用线性变换代替部分常规卷积进行特征提取以轻量化网络模型,实现快速又准确地检测图像中手机、水杯、驾驶员双眼和头部区域;其次,在获取目标检测结果的基础上,结合头部姿态估计设计逻辑算法并融入YOLOv5中,从认知分心和视觉分心两个角度检测每帧图像中驾驶员是否存在分心驾驶,避免了分类方法受限分心驾驶类别数的问题,再设置适当的时间阈值,从而实现端到端实时的分心驾驶预警;最后,对采集的18名驾驶员的驾驶行为数据集进行对比试验,验证了本文方法的可行性和有效性。     

驾驶员脑力负荷的SVM识别模型

车载信息系统的使用,道路交通控制信息的复杂,增加了驾驶员脑力负荷量.为对驾驶员脑力负荷进行有效识别,为自动辅助驾驶系统以及交通信息的整合优化设计提供依据,以驾驶员脑电信号δ(0.54 Hz),θ(48 Hz),α(813 Hz),β(1330Hz)频谱幅值为输入特征,结合SVM模型构建了驾驶员脑力负荷识别模型.在此基础上,基于驾驶模拟器实验数据,对该模型予以试算.结果表明,模型识别正确率可达93.8%96.5%.该模型对驾驶员脑力负荷识别具有较高准确性,可用于驾驶员脑力负荷识别.     

信息诱导对交叉口驾驶行为影响

为提高驾驶员对诱导信息的采用意愿,基于结构方程模型(structural equation modeling,SEM)及改进式科技接受模型(technology acceptance model,TAM)思想,构建了驾驶行为影响研究模型,在已有研究基础上确定驾驶员对交叉口处诱导信息采用意向的影响因素,可分为个体因素、系统(信息)因素及环境因素.通过对北京市驾驶员进行偏好调查得到1 544份有效样本数据,对模型进行辨识及修正,并利用统计分析方法验证模型假设.结果表明:交叉口诱导信息的采用意向受驾驶员对信息的感知有用性、对信息的信任程度及交叉口交通状况(环境)直接影响,研究结果对提高诱导信息的服务效率具有重要的指导意义.     

不同天气状况下驾驶员驾驶工作负荷分析

为有效提高驾驶员在不良天气条件下的运行安全,针对晴天、中雨、中雨+雾(能见度100 m)和中雨+雾(能见度50 m)4种不同驾驶条件,利用心率变异性(HRV)指标,对驾驶员驾驶工作负荷特性进行研究.通过随机抽取3名驾驶员,在室内进行对于高速公路不同天气场景的仿真实验,对获得的数据进行统计分析发现,驾驶员在不同天气条件下驾驶工作负荷是有差异的,驾驶工作负荷随天气条件的恶劣程度增加,驾驶环境的能见度对驾驶员驾驶工作负荷影响最大.     

基于眼动分析的车内信息显示位置设计

为了提高车内信息显示设计的安全性,针对车内信息显示的位置设计进行研究. 研究选取5个常见的车内信息显示设备的安放位置,依据驾驶员视觉行为与驾驶安全之间的关系,设计模拟驾驶员驾驶汽车时信息读取任务的眼动实验. 通过实验数据的分析比较可知,不同的车内信息显示位置会对驾驶员读取信息时的注视频率、注视数据在兴趣区域（AOI）内的分布产生显著影响. 分析和比较被试者完成信息读取任务时的注视频率、AOI内注视时间百分比、AOI内注视点百分比的均值可知,在实验选取的5个车内信息显示位置中位置3的数据均最高. 说明被试者读取实验位置3的信息时精力更集中,实验位置3对被试者产生视线偏离的影响最小. 由于驾驶员视线偏离会造成分心驾驶,威胁驾驶安全,车内信息显示位置设计会对驾驶安全产生一定的影响.     

基于轻量化网络与嵌入式的分心行为协同检测系统

分心驾驶是交通事故发生的主要原因之一. 针对目前分心驾驶检测手段单一、检测种类少、检测效率低的问题,提出一种基于轻量化网络与嵌入式的分心行为协同检测系统. 首先,结合Ghost模块和通道注意力机制提出一种轻量化目标检测网络YOLO-Ghost,采用CSPGBottleck构建GhostDarknet作为主干网络,同时构建一种具有多尺度注意力机制的多特征融合模块SE-FPN来进行特征融合,根据固有检测场景进行检测头优化,以CIOU(complete-IOU)作为损失函数. 采用YOLO-Ghost识别和定位局部特征,提出APJ(anchor position judge)对手动分心行为进行判定; 协同检测方面,利用MobileNetv3与YOLO-Ghost协同进行人脸关键点回归和视线估计; 最后利用检测出的多模态信息对驾驶员当前行驶状态进行联合判定. 实验结果表明,YOLO-Ghost的准确率和检测速度优于其他主流方法. 将算法部署到嵌入式设备中,在NVIDIA Jetson TX1上实现了20FPS的实时检测性能,准确性和实时性均达到检测要求.     

一种基于眼部状态的疲劳驾驶检测方法

针对传统的疲劳驾驶检测准确率低和实时性差的问题,提出了一种基于眼部状态的疲劳驾驶检测方法.利用CCD相机实时获取驾驶员的脸部图像,采用直方图均衡化增强图像的对比度;通过改进的cascade(Hear分类器)的人脸检测算法检测出脸部区域;利用OTSU阈值分割和形态学运算提取人眼区域,根据人眼的宽高比判定眼睛的闭合程度;依据PERCLOS-P80原理和眨眼频率判断驾驶员的疲劳状态.实验结果表明:改进的人脸检测算法对每帧图像的检测时间约为45ms,在人脸检测速度上提高了2.3倍,为整个疲劳驾驶检测节省了大量的时间.研究疲劳驾驶检测方法检测一帧图像的时间约为65ms,而且在不同的光照强度下的检测均有较高的准确率,满足疲劳驾驶检测对准确性和实时性的要求.     

南昌市酒后驾驶现状及解决方案

随着南昌经济的快速发展,私家车越来越多。同时,人们的生活越来越丰富多彩,交际应酬越来越频繁。对于酒后驾驶,社会、家庭和个人提出了极大的异议。我们通过对南昌市酒后驾驶的现状进行调查分析,提出了相关解决方案,为构建＂中国水都＂新南昌营造一个良好的驾车环境和减少醉酒驾车的发生率贡献自己的力量。     

基于单目摄像头的主动式驾驶行为分析算法

为了预防事故发生,提出一种以人体三维姿态估计对驾驶员行为进行识别监测的算法。利用单目摄像头获取运动中驾驶员的视频流,提取每帧图像的二维轮廓特征,与预先建立的三维人体模型的二维投影进行匹配,实时估计驾驶员上半身的姿态。根据获取驾驶员的8个骨骼节点的三维坐标,对驾驶员的行为识别分析。试验模拟驾驶员正常、单手、接听电话和疲劳/醉酒驾驶4种驾驶状态,通过骨骼节点的坐标变化,实现检测和识别驾驶员的姿态行为并给予提醒。在光线较好的情况下,与PRECLOSE(percent eye closure)算法相比,该算法的误检率降低了24.24%。     

基于数据融合的疲劳驾驶检测算法

为减少交通事故,采用基于数据融合的疲劳检测技术以提高疲劳检测精度. 通过驾驶行为与车辆跟踪技术研究现状分析,选择眼睑遮住瞳孔的面积超过80%的P₈₀和眨眼次数指标作为眼部特征参数、车辆越线指标作为驾驶行为特征参数. 将两个特征参数分为3类,分别为:清醒状态、轻微疲劳状态、疲劳状态;最后通过支持向量机算法建立基于数据融合的疲劳检测模型. 实验结果分别为灵敏度为86.45%,检测准确率为85.79%,特异度为84.63%,较单一数据源的疲劳检测方式精准,建立的融合模型提高了疲劳检测的准确性.     

一种小巧灵便的酒后驾车监测仪

酒后驾车测试仪是交警判定驾驶员是否饮酒的重要设备，文中对其结构特点和工作原理进行了详细的分析介绍。     

基于层次分析法的车联网多因素信誉评价模型

针对车联网（VANETs）场景下存在的恶意车辆节点和虚假信息的问题,提出基于层次分析法（AHP）的车联网多因素信誉评价模型. 该模型综合考虑车辆行为、消息、环境等因素对车辆节点信誉的影响,建立车辆信誉评价模型;面向多应用场景信息（安全行驶、交通管理、商业娱乐）,使用层次分析法量化各因素及不同类型信息对车辆信誉的影响程度;基于反馈机制根据信息的不同类型进行车辆节点的信誉更新,实现车联网车辆的信誉评估. 实验表明,该模型在恶意车辆节点达到25%的情况下,车辆决策正确率能够达到92%以上. 该方案能够有效防止车辆接收虚假信息,准确检测出网络中的恶意车辆节点,提高车辆接收信息的可信度.     

酒后驾车肇事行为的司法认定和立法完善

我国有着悠久的＂酒文化＂,但今天酒后驾驶却对公共交通及社会安全带来极大危害。全国人大常委会在《刑法修正案》（八）中增设了＂危险驾驶＂罪名,以应对全国各地陆续出现的酒后恶性驾驶肇事行为。但是在司法实践中,酒后驾驶肇事行为的司法认定还存在界限不明、难以操作的问题,我国对于酒后驾驶肇事行为的立法也有待进一步完善。     

酒后驾车肇事行为的司法认定和立法完善

我国有着悠久的"酒文化",但今天酒后驾驶却对公共交通及社会安全带来极大危害。全国人大常委会在《刑法修正案》(八)中增设了"危险驾驶"罪名,以应对全国各地陆续出现的酒后恶性驾驶肇事行为。但是在司法实践中,酒后驾驶肇事行为的司法认定还存在界限不明、难以操作的问题,我国对于酒后驾驶肇事行为的立法也有待进一步完善。     

试论饮酒与人类健康及社会的关系

随着近来醉酒驾车案引起人们的关注,饮酒不再是个人问题,已经上升为社会问题。本文通过讨论酒与健康及社会的关系,让人们正确对待饮酒及科学饮酒问题,并对过量饮酒所带来的危害提出了解决办法。     

基于脑电信号特征的驾驶疲劳检测方法研究

目前,疲劳驾驶已成为一种严重的社会问题,然而对于疲劳驾驶的检测与预防仍缺乏有效的技术手段.采用疲劳驾驶模拟实验、结合对象辨别实验和对被试面部表情变化分析,探索了脑电信号特征与驾驶疲劳状态间的相关性.提取脑电信号的δ波、θ波、α波、β波四种脑电节律的能量值作为疲劳驾驶的特征值,采用δ波能量值与θ波能量值之和与β波能量值的比值作为疲劳指数.结果显示,疲劳指数与被试疲劳程度呈正相关,验证了利用脑电信号检测疲劳程度的合理性与客观性,为疲劳检测提供了新的思路.