
#百人创作先锋团#驾驶辅助系统-驾驶员疲劳监测
数据统计表明,所有事故中有5%~25%的事故是疲劳驾驶导致的。疲劳驾驶导致的事故比其他原因引起的事故更为严重。疲劳驾驶检测系统是一种辅助性和预防性的舒适功能,其可以识别驾驶员的疲劳状态。驾驶员精神状态下滑或进入浅层睡眠时,系统会依据驾驶员精神状态指数分别-给出语音提示、振动提醒、电脉冲警示等,警告驾驶员已经进入疲劳状态,需要休息。其作用就是监视并提醒驾驶员自身的疲劳状态,减少驾驶员疲劳驾驶的潜在危害。
驾驶员疲劳预警系统也有称为防疲劳预警系统、疲劳识别系统、注意力警示辅助系统、驾驶员安全警告系统等。
驾驶员疲劳检测方法主要有基于驾驶员自身特征(包括生理信号和生理反应)的检测方法、汽车行驶状态的检测方法和多特征信息融合的检测方法等。
基于驾驶员生理信号的检测方法
驾驶员在疲劳状态下,一些生理指标如脑电、心电、肌电、脉波、呼吸等会偏离正常状态,因此,可以通过生理传感器检测驾驶员的这些生理指标来判断驾驶员是否处于疲劳状态。
1)脑电信号检测:脑电信号是人脑机能的宏观反应,利用脑电信号反映人体的疲劳状态,客观并且准确,脑电信号被誉为疲劳监测中的“金标准”。人在疲劳状态下,慢波增加,快波降低。利用脑电信号检测驾驶疲劳状况,判定的准确率较高,但是操作复杂且不适合车载实时监测。
2)心电信号检测:心电图指标主要包括心率及心率变异性等。其中,心率信号综合反映了人体的疲劳程度与任务和情绪的关系。心率变异性是心脏神经活动的紧张度和均衡度综合体现。心电信号是判定驾驶疲劳的有效特征,准确度高。利用心电信号检测人体疲劳状况需要将电极与人身体相接触,会给驾驶员的正常驾驶带来不便。
3)肌电信号检测:通过肌电信号的分析,反映人体的疲劳程度。肌电图的频率随着疲劳的产生和疲劳程度的加深呈现下降趋势,而肌电图的幅值增大则表明疲劳程度增大。该方法测试比较简单,结论较明确。
4)脉搏信号检测:人体精神状态不同,心脏活动和血液循环也会有差异,而人体脉搏波的形成依赖于心脏和血液循环,因此,利用脉搏波监测驾驶员的疲劳状态具有可行性。
5)呼吸信号检测:人体疲劳状态的一个重要表现就是呼吸频率降低,呼吸变得平稳。在正常驾驶过程中,驾驶员精神集中,呼吸的频率相对较高,如果驾驶期间与他人交谈,呼吸波的频率变得更高,同时呼吸的周期性变差。当驾驶员疲劳驾驶时,注意力集中程度降低,思维不活跃,此时呼吸变得平缓。因此,通过检测驾驶员的呼吸状况来判定疲劳驾驶也成为研究疲劳驾驶预警系统的一个重要方面。
基于驾驶员生理信号的检测方法客观性强,准确性高,但与检测仪器有较大关系,而且都是接触式检测,会干扰驾驶员的正常操作,影响行车安全。而且,由于不同人的生理信号特征有所不同,并与心理活动关联较大,在实际用于驾驶员疲劳检测时有很大的局限性。
基于驾驶员生理反应特征的检测方法
基于驾驶员生理反应特征的检测方法一般采用非接触式检测途径,利用机器视觉技术检测驾驶员面部的生理反应特征,如眼睛特征、视线方向、嘴部状态、头部位置等来判断驾驶员疲劳状态。
1)眼睛特征检测:驾驶员眼球的运动和眨眼信息被认为是反映疲劳的重要特征,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。目前被认为是最有应用前景的实时疲劳检测方法——PERCLOS(Percent of Eye Closure),指在一定的时间内眼睛闭合时所占的时间比例)检测,指出PERCLOS的P80(单位时间内眼睛闭合程度超过80%的时间占总时间的百分比)与驾驶疲劳程度的相关性最好。为了提高疲劳检测准确率,可以综合检测平均睁眼程度、最长闭眼时间的特征作为疲劳指标,可以达到较高的疲劳检测准确率。通过眼睛特征检测驾驶员的疲劳程度,不会对驾驶员行为带来任何干扰,因此它成为这一领域现行研究的热点。
2)视线方向检测:把眼球中心与眼球表面亮点的连线定为驾驶员视线方向。正常状态下,驾驶员正视车辆运动前方,同时视线方向移动速度比较快;疲劳时,驾驶员视线方向的移动速度会变慢,表现出迟钝现象,并且视线轴会偏离正常的位置。通过摄像头获取眼睛的图像,对眼球建模,把视线是否偏离正常范围作为判别驾驶员是否疲劳的特征之一。
3)嘴部状态的检测:人在疲劳时往往有频繁的哈欠动作,如果检测到哈欠的频率超过一个预定的阈值,则判断驾驶员已处于疲劳状态。基于此原理,可以完成对驾驶员的疲劳检测。
4)头部位置检测:在驾驶过程中,驾驶员正常和疲劳时其头部位置是不同的,可以利用驾驶员头部位置的变化检测疲劳程度。利用头部位置传感器,对驾驶员的头部位置进行实时跟踪,并且根据头部位置的变化规律判定驾驶员是否疲劳。
基于驾驶员生理反应特征的检测方法的优点是表征疲劳的特征直观、明显,可实现非接触测量;缺点是检测识别算法比较复杂,疲劳特征提取困难,且检测结果受光线变化和个体生理状况的变化影响较大。
基于车辆行驶状态检测
基于车辆行驶状态的疲劳检测方法,不是从驾驶员本人出发去研究,而是从驾驶员对汽车的操纵情况,间接判断驾驶员是否疲劳。该种检测方法主要利用CCD摄像头和车载传感器来检测汽车行驶状态,从而推测出驾驶员的疲劳状态。
首先是基于转向盘的疲劳检测。基于转向盘的检测,包括转向盘转角信号检测和力矩信号检测,驾驶员疲劳时对汽车的控制能力下降,方向盘转角左右摆动的幅度会变大,同时操纵转向盘的频率会下降。通过对转向盘转角时域和频域分析,方向盘转角的方差或平方差,可以作为疲劳驾驶的评价指标。目前,通过方向盘的转角变化情况来检测驾驶员的疲劳情况,是疲劳预警系统研究的热点。这种方法数据准确,算法简单,并且信号与驾驶员疲劳状况联系紧密,结果可信度高。
另外,驾驶员疲劳时,对转向盘的握力会逐渐减小。通过传感器实时检测驾驶员施加在方向盘的力,可以判断驾驶员的疲劳程度。驾驶员对于转向盘的操纵特征,能够间接实时地反映驾驶员的疲劳程度,具有可靠性高、无接触的优点。但由于传感器技术的限制,其准确度有待提高。
其次是汽车的行驶状态。通过实时检测汽车的行驶速度,判断汽车是处于有效的控制状态,或是处于失控的状态,从而间接地判断出驾驶员是否疲劳。
另外,驾驶员疲劳驾驶时,由于注意力分散,反应迟钝,汽车可能偏离车道。基于汽车行驶状态的检测方法,优点是非接触检测信号容易提取,不会对驾驶员造成干扰,基于车辆当前的硬件,只需增加少量的硬件,就具有很高的实用价值。缺点是受到车辆的具体情况,道路的具体情况以及驾驶员的驾驶习惯经验和条件等限制测量的准确性并不高。
基于多特征信息融合检测
基于多特征信息融合的检测方法,通过信息融合技术,将驾驶员生理特征、驾驶行为及车辆行驶状态相结合,是理想的检测方法,大大降低了采用单一方法造成的误检和漏检率。
信息融合技术的应用,让疲劳检测技术得到更进一步的发展和提高,能够客观、实时、快捷、准确地判断出驾驶员的疲劳状态,避免疲劳驾驶所引起的交通事故,这也是疲劳检测技术的发展趋势。
文章转载自公众号:智车Robot
