基于多特征融合的疲劳驾驶状态识别方法研究

针对交通安全中疲劳驾驶状态识别问题，使用单一的疲劳驾驶特征的方法识别率较低，本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数，即持续闭眼时间、闭眼帧数比、眨眼频率，通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间，通过头部运动状态分析得到点头频率，建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后，发现该方法的识别准确率较高，识别效果好.     

基于MSR的疲劳驾驶安全检测技术应用研究

随着我国交通日渐繁忙,交通事故数量不断增多,其中疲劳驾驶是发生率比较高的。针对这种情况,在传统的疲劳驾驶监测系统上进行改进,采用MSR图像增强算法,针对复杂环境下捕捉到的图像进行增强,并通过视觉定位,更准确地分析驾驶员眼睛所处状态,利用分阶段轮廓活动模型方法,分析驾驶员眼睛疲劳参数,对眼睛眨眼频率、闭合时间、PERCLOS等参数分析,构建疲劳驾驶安全识别系统。     

基于头部状态的司机疲劳综合检测系统

为了减少由于驾驶员疲劳驾驶引起的交通事故,针对司机的驾驶状态,设计驾驶员疲劳状态检测系统的方案。系统采用多状态检测方式,系统中结合连续驾驶时间和司机面部状态,判断司机疲劳程度。面部状态首先使用3x3中值滤波去除噪声和光照对图像的影响,然后通过肤色模型快速检测,确定人脸区域。再通过积分灰度投影对人眼进行准确定位;最后通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动以及连续驾驶时间的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。     

基于面部特征分析的疲劳驾驶检测方法

为避免疲劳驾驶,通过提取面部疲劳特征参数的方法研究了驾驶员疲劳检测技术.对SSD(single shot multi box de-tector)目标检测算法及连续自适应均值漂移跟踪算法(continuously adaptive MeanShift,CamShift)进行优化,以检测人脸区域.利用特征点定位提取面部疲劳特征参数,并基于眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)设定疲劳阈值和疲劳检测策略.在实车样本集上进行试验,结果表明:优化的人脸区域定位方法对光线变化、类肤色干扰的鲁棒性更强;所提取的疲劳特征参数能有效反映驾驶员疲劳状态,平均识别准确率达到了92.2％.改进后的算法系统在基于视觉特征的疲劳驾驶检测技术中达到了较高水平,对于预防交通安全事故具有重大意义.     

基于计算机视觉的驾驶员疲劳状态检测预警技术研究

疲劳驾驶是造成交通事故的主要原因之一，为提高驾驶员疲劳驾驶状态的智能化检测水平，提出一种基于计算机视觉的面部多特征疲劳驾驶检测算法。该算法采用多线程优化后的Dlib（图像处理开源库）实现对驾驶员面部的定位与追踪，利用Dlib开源库中的人脸关键点检测器对驾驶员面部关键特征点进行提取，实时计算驾驶员眼部的纵横比（EAR）和嘴部长宽比（MAR），并以自制视频流数据集作为实验样本计算出相关阈值，有效提高了检测算法的普适性，在此基础上，计算出眨眼频率、闭眼次数、眼睛闭合时间百分比（perclos）以及打哈欠频率这四个反映驾驶员疲劳状态的指标，并利用数学方法进行指标实时融合，根据融合指标的数值对驾驶员疲劳状态进行分级，最终通过实验验证该疲劳检测系统的准确性。结果表明，提出的综合疲劳指标能够准确反映在不同环境和光照下驾驶员的疲劳状态和发展趋势，驾驶员疲劳判定的正确率达到97.5%以上。     

驾驶疲劳监测系统DDDS设计方法

通过对各种疲劳监测方法进行比较分析,借助模拟驾驶仪器的研究成果,得出PERCLOS算法最适合评价驾驶疲劳程度.同时,提出一套基于PERCLOS和DSP处理器的驾驶疲劳监测系统总体设计方案,并设计开发出驾驶疲劳监测系统DDDS.监测系统应用图像差分的方法,采用灰度处理、膨胀、腐蚀等图像分析手段,实现准确定位并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度.试验表明,DDDS系统对驾驶疲劳的检测准确率达到86.89%.     

驾驶疲劳监测系统DDDS设计方法

通过对各种疲劳监测方法进行比较分析,借助模拟驾驶仪器的研究成果,得出PERCLOS算法最适合评价驾驶疲劳程度.同时,提出一套基于PERCLOS和DSP处理器的驾驶疲劳监测系统总体设计方案,并设计开发出驾驶疲劳监测系统DDDS.监测系统应用图像差分的方法,采用灰度处理、膨胀、腐蚀等图像分析手段,实现准确定位并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度.试验表明,DDDS系统对驾驶疲劳的检测准确率达到86.89%.     

基于DSP人脸特征识别的司机疲劳驾驶预警系统研究

疲劳驾驶是造成交通事故的一个重要原因。为实时有效地检测驾驶员的疲劳状态,设计了一种融合眼睛和嘴巴两种疲劳特征进行疲劳状态判定的检测算法,并构建了基于DSP人脸特征识别的司机疲劳驾驶预警系统。该算法采用"Harr特征值+Ada Boost"的方法进行人脸识别,然后根据人脸图像的灰度分布定位眼睛和嘴巴的位置,利用Hough变换,以及模板匹配技术判断出人眼的开闭状态,计算PERCOLS值作为司机疲劳驾驶的一个判断指标。除此之外,本系统还利用嘴巴的宽高比及打哈欠的持续时间来综合判定司机的疲劳状态。通过仿真测试结果表明该系统的算法准确、可行、实时性强。     

驾驶员不良情绪状态检测系统的方法研究

针对驾驶员因处于非常状态下驾车而频繁导致交通事故问题, 设计了驾驶员不良情绪状态检测系统。该系统采用LBP(Local Binary Patterns)和SVM(Support Vector Machine)决策树相结合的算法分析、识别人脸表情。经实验验证, 该方法有较高的准确率, 系统运行速度快。     

基于呼吸信号的驾驶员疲劳状态实时监测系统

针对疲劳驾驶导致交通事故多发，提出一种三维疲劳评定方法用于确定驾驶员的真实疲劳状态，利用经验模态分解、信号重构等信号分析技术提取呼吸信号的周期、周期标准差、幅值、幅值标准差和哈欠频繁次数等作为判定疲劳的特征参数。通过构建驾驶员疲劳状态监测系统和大量的模拟驾驶试验证明这些特征参数能够有效地反映疲劳状态，为该系统现场实际应用奠定了基础，对于减少因疲劳驾驶造成的交通事故具有重要的应用价值。     

基于机器视觉的露天矿司机驾驶疲劳监测

为监测露天矿司机驾驶疲劳状态,利用AdaBoost算法快速实时露天矿司机脸部跟踪检测,基于模板匹配算法和改进型SNAKE算法提取司机眼睛特征,运用眼睛累计闭合持续时间占某特定时间的百分率(PERCLOS)算法判断司机是否处于驾驶疲劳状态,有效地实现了基于机器视觉的、车载的、实时的、非接触的、无干扰的露天矿司机驾驶疲劳状态监测系统.经应用验证了系统可行性,并对保护人员生命,提高矿山经济效益具有重要的意义.     

基于SVM的驾驶员疲劳检测研究

疲劳驾驶是导致交通意外的一个重要原因,在车上装一个疲劳检测系统有助于预防交通事故的发生。现实条件下,司机的头和眼睛是不断运动的,使得疲劳特征提取变得比较困难,再加上外部干扰和光线条件的影响,准确判断司机的疲劳状态是一个具有挑战性的问题。本文介绍了一种利用支持向量机检测驾驶员疲劳状态的方法。首先采集驾驶员的头部视频,然后对视频图像进行处理,提取眼睛、嘴的视觉特征和点头频率变化情况,最后利用支持向量机依据这些特征来判断司机的疲劳状态。通过模拟实验,疲劳检测的准确率达到97.80%,表明该方法适合于驾驶员的疲劳检测。     

非接触式汽车驾驶员心电监测系统设计

驾驶员疲劳驾驶是引发道路交通事故的主要原因,依据心冲击图（BCG）、呼吸等生理参数客观监测行车过程中的驾驶员疲劳状态成为了研究热点。针对传统生理信号采集需用复杂电极和导联线接触人体的弊端,基于偏聚氟乙烯（PVDF）压电薄膜的正压电特性,设计了一种非接触式汽车驾驶员心电监测系统。构建了可靠的小信号调理和电压抬升电路,研究了心冲击图和呼吸信号的分离提取算法,计算出心率和呼吸率并通过低功耗蓝牙通信发送到手机软件（APP）进行显示。实验表明,系统能实时可靠的监测行车中驾驶员的心率和呼吸率,提高了汽车行驶的主动安全性。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

Spectral Analysis of Blood Pressure Variability as a Quantitative Indicator of Driving Fatigue

The quantitative detector of driver fatigue presents appropriate warnings and helps to prevent traffic accidents. The aim of this study was to quantifiably evaluate driver mental fatigue using the power spectral analysis of the blood pressure variability (BPV) and subjective evaluation. In this experiment twenty healthy male subjects were required to perform a driving simulator task for 3-hours. The physiological variables for evaluating driver mental fatigue were spectral values of blood pressure variability (BPV) including very low frequency (VLF), low frequency (LF), high frequency (HF). As a result, LF, HF and LF/HF showed high correlations with driver mental fatigue but not found in VLF. The findings represent a possible utility of BPV spectral analysis in quantitatively evaluating driver mental fatigue.     

草原公路长时程行车时驾驶人的脑电特征分析

草原公路具有景观单调,行车视距大,平、纵曲线设置不合理,交通流量小等特征,易引起驾驶疲劳,诱发交通事故。选取草原公路进行模拟驾驶,应用MP150多通道生理信号采集仪,采集12名司机4 h模拟驾驶过程中的脑电(EEG)数据,探寻模拟驾驶条件下驾驶过程中EEG相关指标的特征。结果表明:β波及(α+θ)/β这两项指标能较好地反应司机脑电的变化过程;当行驶到20 min时,驾驶疲劳第一次出现;当行驶到60 min时疲劳第二次出现;当行驶到90 min时疲劳第三次出现,当行驶到120 min时疲劳第四次出现;男司机行驶到170 min时和女司机行驶到160 min时驾驶疲劳增加明显,此时,司机应停止驾驶任务,进行调整休息;男、女司机的驾驶疲劳具有累计效应,且驾驶疲劳的累计变化量与驾驶时间具有较强的相关性。     

基于无线体域网中多生理信号驾驶疲劳检测

利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集,并对其进行分析处理,从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数,然后使用主成分分析对特征参数进行降维优化处理,同时对原始特征参数和分析后的主成分分别进行统计分析,基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价,并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.     

驾驶员疲劳状态检测方法研究

为解决由于疲劳驾驶导致交通事故的问题,采用视频图像分析技术处理疲劳的相关特征,运用基于训练的 Adaboost 人脸检测算法精确定位司机脸部和眼睛区域,实时采集眼睛二值化区域面积,采用阈值比较法进行眨眼判断,并提取眼皮疲劳参数 AECS( Average Eyelid Closing Speed) 和 PEＲCLOS( Percent Eyelid Closure over the Pupil Time) ,进行综合疲劳状态分析,最终确定是否疲劳驾驶。实验结果显示,人脸和人眼检测的精度都有较大程度提高,设计的软件可实时监测驾驶员疲劳状态,有效防止疲劳驾驶。