国内外驾驶疲劳状态检测技术现状与发展.docVIP

国内外驾驶疲劳状态检测技术的现状与发展 黎亚平，周杰，黄磊，吴仲兵 中国单片机公共实验室南京研发中心 南京，210012，njfardriver@ 摘要：疲劳驾驶是引发交通事故的重要因素之一。本文介绍了基于驾驶人生理信号、驾驶人生理反应特征、驾驶人操作行为和车辆行驶轨迹等驾驶疲劳状态监测的研究方法，并对国内外研究现状和现有产品进行了介绍，分析了目前疲劳驾驶研究中存在的问题、未来的研究发展方向和研究难点。关键字： 驾驶疲劳，EEG，PERCLOS，信息融合。1. 引言 疲劳驾驶是当今交通安全的重要隐患之一。驾驶人在疲劳时，其对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度的下降，因此很容易发生交通事故。统计数据表明，在2007 年至2008 年我国直接由疲劳驾驶导致的死亡人数分别占机动车驾驶人交通肇事总死亡人数的11.35% 、10.91% 和12.5%[1]-[3]， 大约每年有9000 人死于疲劳驾驶。因此，研究开发高性能的驾驶人疲劳状态实时监测及预警技术，对改善我国交通安全状况意义重大。 2. 驾驶人疲劳状态监测方法 关于驾驶人疲劳及注意分散等安全状态的监测预警技术，由于它在交通事故预防方面的发展前景而受到各国高度的重视，研究人员根据驾驶人疲劳时在生理和操作上的特征进行了多方面的研究，一些研究成果已形成产品并开始进入市场。 驾驶人疲劳状态的检测方法可大致分为基于驾驶人生理信号、基于驾驶人生理反应特征、基于驾驶人操作行为和基于车辆状态信息的检测方法。 2.1 基于驾驶人生理信号的检测方法 针对疲劳的研究最早始于生理学。相关研究表明，驾驶人在疲劳状态下的生理指标会偏离正常状态的指标。因此可以通过驾驶员的生理指标来判断驾驶人是否进入疲劳状态。目前较为成熟的检测方法包括对驾驶人的脑电信号EEG、心电信号ECG等的测量。 研究人员很早就已经发现EEG能够直接反映大脑的活动状态[4]。文献[5]中的研究发现在进入疲劳状态时，EEG中的delta 波和theta 波的活动会大幅度增长，而alpha波活动会有小幅增长。另一项研究[6]通过在模拟器和实车中监测EEG信号，试验结果表明EEG对于监测驾驶人疲劳是一种有效的方法。研究人员同时发现，EEG信号特征有很大的个人差异，如性别和性格等，同时也和人的心理活动相关很大[7]。 ECG主要被用于驾驶负担的生理测量中。研究表明在驾驶人疲劳时ECG会明显的有规律的下降[5],并且HRV （心率变化）和驾驶中的疲劳程度的变化有潜在的关系[8]。 基于驾驶人生理信号的检测方法对疲劳判断的准确性较高，但生理信号需要采用接触式测量，且对个人依赖程度较大，在实际用于驾驶人疲劳监测时有很多的局限性，因此主要应用在实验阶段，作为实验的对照参数。 2.2 基于驾驶人生理反应特征的检测方法 基于驾驶人的生理反应特征的检测方法是指利用驾驶人的眼动特性、头部运动特性等推断驾驶人的疲劳状态。 驾驶人眼球的运动和眨眼信息被认为是反映疲劳的重要特征[10]，眨眼幅度、眨眼频率和平均闭合时间都可直接用于检测疲劳[11] 。目前基于眼动机理研究驾驶疲劳的算法有很多种，广泛采用的算法包括PERCLOS，即将眼睑闭合时间占一段时间的百分比作为生理疲劳的测量指标[12][13] 。 利用面部识别技术定位眼睛、鼻尖和嘴角位置，将眼睛、鼻尖和嘴角位置结合起来，再根据对眼球的追踪可以获得驾驶人注意力方向，并判断驾驶人的注意力是否分散[14]。 Philip W. Kithil 利用头部位置传感器检测驾驶人点头动作[15]，该传感器通过电容传感器阵列输出驾驶人头部距离每个传感器的位置,可实时跟踪头部的位置,根据头部位置的变化规律判定驾驶人是否瞌睡, 该研究发现点头的动作和瞌睡有非常好的相关性。 基于驾驶人生理反应特征的检测方法一般采用非接触式测量，对疲劳状态的识别精度和实用性上都较好[5][9]。 2.3 基于驾驶人操作行为的检测方法 基于驾驶人操作行为的驾驶人疲劳状态识别技术，是指通过驾驶人的操作行为如方向盘操作等操作推断驾驶人疲劳状态。 Yoshihiro Takei 利用FFT对监测到的驾驶人的方向盘操作数据进行处理，研究结果在一定程度上揭示了驾驶人的方向盘操作与疲劳之间的关系[16]。文献[17]的研究指出方向盘的操作是一种有效的驾驶疲劳的判断手段。Yabuta[9]开发的驾驶人防疲劳装置中也使用了方向盘操作信息。总体来说，目前利用驾驶人操作行为进行疲劳识别的深入研究成果较少。驾驶人的操作除了与疲劳状态有关外，还受到个人习惯、行驶速度、道路环境、操作技能的影响，车辆的行驶状态也与车辆特性、道路等很多环境因素有关，因此如何提高驾驶人状态的推测精度是此类间接测量技术的关键问题。 2.4 基于车辆行驶轨迹的检测方法 利