（精密仪器及机械专业论文）基于机器视觉的驾驶员疲劳驾驶检测方法研究.pdf

东南大学学位论文独创性声明 舢l f l l | | 1 l i i i l i | | i i | i l m i i i l l l | | l i y 17 6 2 2 6 8 本人声明所呈交的学位论文是我个人在导师指导下进行的研究上作及取得的研究成果。尽我所知， 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名： 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文 档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除 在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括以电子信息形式刊登) 论文的全部 内容或中、英文摘要等部分内容。论文的公布( 包括以电子信息形式刊登) 授权东南大学研究生院办理。 研究生签名： 聊_ 静榉 簟l k _ ：7 ：i 带 。， 。 毪 v 1 摘要 摘要 道路交通事故一旦发生会给国家和人民的生命财产造成极大的损失。其中，驾驶员疲 劳驾驶是引发恶性道路交通事故的最主要原因。因此，对驾驶员疲劳驾驶进行检测和预警 具有重大的学术、经济和社会意义。利用机器视觉技术，融合多个疲劳特征对疲劳驾驶进 行综合检测，已成为世界范围内的一个研究热点。 疲劳是一个非常复杂的生理现象，基于单一疲劳特征的疲劳驾驶检测方法在检测效果 上存在着先天缺陷。基于多个疲劳特征的疲劳驾驶检测方法能够克服单一疲劳特征检测方 法的不足，具有检测范围广、准确率高、可靠性强等优势。然而利用信息融合技术融合反 映驾驶员疲劳的直接和间接疲劳特征对疲劳驾驶进行综合检测的研究还处于初步探索阶 段，有许多科学问题亟需解决。 本文采用理论分析、计算机仿真和实车模拟实验相结合的研究方法，对基于机器视觉 的驾驶员疲劳驾驶融合检测方法涉及到的4 个关键性问题进行了研究，包括解决驾驶员脸 部的快速检测和准确定位问题，开发用于检测疲劳驾驶的车道线实时检测算法，对恰当选 取的疲劳特征参数进行有效计算并提出合理的疲劳度量化方法，提出基于多个疲劳特征的 疲劳驾驶融合检测方法。取得的创新性研究成果主要有： ( 1 ) 针对基于单一特征驾驶员脸部检测算法在检测精度和可靠性方面的局限性，提出 了多特征双重匹配验证的人脸检测算法。首先采用改进的基于h 跚l i k e 特征的人脸检测算 法在整幅图像上检测出可能存在的初始人脸区域，然后自适应地扩大初始人脸区域范围， 并在此基础上利用基于肤色特征的方法在k 砀d 空间上进行脸部的二次检测，最后根据定 义的脸部区域重合度和人脸几何先验知识对驾驶员脸部区域进行双重匹配验证进而制定相 应的定位规则对脸部进行融合检测。各种路况下的实验结果证明了该算法的有效性。 ( 2 ) 针对高速公路车道线的特点，提出了改进的基于机器视觉的车道线实时检测算法。 利用直线车道线模型，采用基于h o u 曲变换的车道线参数全局提取和基于最小二乘拟合的 局部小窗口提取相协调的方法对车道线进行检测。在图像的预处理过程中，采用改进快速 中值滤波算法、基于梯度方向角直方图和连通性分析相结合的滤波方法对车道线图像进行 滤波处理，提高了车道线检测的准确率。根据当前帧图像车道线的有效区域，利用k a l m 锄 滤波算法预测车道线感兴趣小窗口的位置和大小，提高车道线实时检测的效率。 ( 3 ) 在人脸检测和车道线检测的基础上，通过选择恰当的疲劳特征参数，提出了相应 的疲劳特征参数计算及疲劳度量化方法。利用机器视觉技术对频繁眨眼、频繁打呵欠和异 常偏离车道3 个疲劳特征参数进行检测和提取。针对上述3 个疲劳特征参数，通过驾驶仿 i 东南大学博上学位论文 真模拟实验采用主、客观量化相结合的方法对驾驶员的疲劳程度进行量化。利用统计分析 方法，对疲劳特征参数及其对应的疲劳度之间的相关性进行分析，验证所选疲劳特征参数 的有效性。实验结果表明，所选择的3 个疲劳特征参数能够有效反映驾驶员的疲劳程度， 且提出的疲劳特征检测算法准确、可靠。 ( 4 ) 为提高基于单一特征检测算法的准确率和可靠性，提出基于减法聚类和改进粒子 群优化t s 模糊神经网络的疲劳驾驶融合检测算法。该算法从直接反映驾驶员疲劳的两个面 部特征和间接反映疲劳的一个车辆行为特征两个方面对疲劳驾驶进行综合检测。运用t s 模 糊神经网络来识别疲劳驾驶。采用减法聚类算法对网络进行结构辨识，确定模糊规则的条 数及相关参数的初始值。同改进遗传算法和b p 算法的训练效果进行比较，运用改进的粒子 群优化算法对网络进行训练。仿真和实车模拟实验表明，该算法不仅能有效改善t s 模糊神 经网络的收敛速度和识别精度，而且能提高疲劳驾驶的检测正确率。 关键词：疲劳驾驶检测；机器视觉；脸部检测；车道线检测；疲劳度量化：模糊神经 网络；信息融合 i i a b s t r a c t a bs t r a c t o n c er o a dt r a f | f i ca c c i d e n t sh p p e n ，h u g el o s sv v i l lb ec a u s e dt os o c i e 哆a m o n gt 1 1 0 s et r a m c a c c i d e n t s ，f a t i g u ed r i v i n go fd r i v e r si st h el a 玛e s tc o 删b u t o rt om ed i s a s t i o u s r o a d 仃a m c a c c i d e n t s c o n s e q u e n t l y ，d e t e c t i n g锄de a r l yw 砌n go ff i a t i g u ed r i v i n ga r e o fs i g n i f i c 肌t i m p o r t a l l c e c o m p r e h e n s i v ed e t e c t i o no ff i a t i g u ed r i v i n g ，w t l i c hu s e sm em a c h i n ev i s i o na i l d 如s e s m u l t i f - a t 追u ef e a t l j r e s ，l l a sb e c o m eah o tr e s e a r c ht o p i ci nt h ew o r l d f a t i g u ei sav e r ) ，c o m p l e xp h y s i c a lp b e r l o m e n a ，t l l ed e t e c t i o nm e t h o do ff i a t i g u ed r i v i n g b a s e do ns i n g l ef a t i g u ef e a t u r ee x i s t sc o n g e n i t a jd e f e c t s ，、：h i l et l l ed e t e c t i o nm e t h o db a s e do n m u l t i - f a t i g u ef e a n 】i e sh 嬲a 谢d e rd e t e c t i o nr a n g e ，l l i 曲e ra c c u r a c yr a t e ，a n ds t r o n g e rr e l i a b i l i t ) r n e v e n h e l e s s ，r e l e v a i l tr e s e a r c ho nc o m p r e h e n s i v ed e t e c t i o no ff 撕g u ed r i v i n gb ym s i n gt h ed i r e c t f a t i g u ef e a n 鹏sa n dt h ei n d i r e c ti ss t i l lp r e l i i i l i m 锄dm a i l ys c i e n t i f i ci s s u e sn e e dt ob e 如r t h e r i i l v e s t i g a t e d 1 1 l i sd i s s e r t a t i o na i m st o 咖d yf o u rk e yi s s u e sr e l a t e dt o 血s i o nd e t e c t i o no ff a t i g u ed r i v i n g b a s e do nm a c m n ev i s i o nb yac o m b i n e d 印p r o a c ho f l e o r e t i c a la n a l y s i s ，c o m p u t e rs i i i l u l a t i o na i l d e x p e r i m e n t t h ef o l l o w i n gi s s u e sa r es t u m e d ：s o l v i n gt h eq u e s t i o no fq u i c kd e t e c t i o na n dl o c a t i o n o fd r i v e rf a c e ，d e v e l o p i n gar e a l 一t i m el a r l ed e t e c t i o nm g o r i t h mf o rd e t e c t i n gf a t i g u ed r i v i n g ， c a l c u l a t i n gm ef - a t i g u ef e a t u 鹏p a r a m e t e r ss e l e c t e d 锄dp r o p o s i n gar e a s o n a b l eq 啪t i t a t i v e m 毹h o do f 也ef a t i g u ed e 黟e e ，p r e s e n t i n gaf a t i g u e “v i n g 如s i o nd e t e t i o nm e t l l o db a s e do n m u l t f a t i g u ef e a t i l r e s t h em 萄o rc o 疵b u t i o n so ft b j sd i s s e r t a t i o na r cs u m m a r i z e da sf o l l o w s ： ( 1 ) a c c o r d i n gt om el i m i t a t i o no f 拍v e rf a c ed e t e c t i o na l g o r i t l l l nb a s e do ns i n g l ef e a t l l r ei n d e t e c t i o np r e c i s i o n 肌dr e l i a b i l i 吼af a c ed e t e c t i o na l g o r i t l u i lo fm u l t i - f e a t u r ea i l dd o u b l e m a t c l l i n gv e r i f i c a t i o nf o r “v e ri sp r o p o s e d f i r s t l y ，a 1 1i m p r o v e df a c ed e t e c t i o na l g o r i t i l l t lb a s e d o nh a a r 1 i k ef e a t u r ei su s e dt 0d e t e c tn l ep o s s i b l ye x i s t i n gf a c er e g i o ni i lt l l ew h o l ei m a g e s e c o n d l y ，t h ed e t e c t e dr e g i o ni se x t e n d e da d a m i v e l ya 1 1 daf k ed e t e c t i o na l g o r i t l l i l lb a s e do ns k i n c o l o rf e a t u r ei n 妖1 6 c s p a c ei su s e dt 0d e t e c tt h ef a c ea g a i ni nt h ee x t e n d e da r e a f i n a l l y ，d o u b l e m a t c l l i n gv e r i f i c a t i o ni sm a d eb ym ed e f i n e da r e ac o i n c i d e n c ed e g r e ea 1 1 dg e o m e t r i cp r i o r l 【i l o w l e d g eo f h 啪a i l 舭e ，a n d 觚i o nd e t e c t i o no f 越v e rf a c er e g i o ni sa c h i e v e d b ye s 诅b l i s h i n g r e l e v 觚tl o c a t i o nm l e s e x p e r i m e mr e s u l t si nv a r i o u sc o i n p l i c a t e dr o a dc o n d i t i o n ss h o wm e e a e c t i v e n e s so ft l l ep r o p o s e da l g o r i m m ( 2 ) c o n s i d e r i r 培t 1 1 el a n ec h a r a c t e r i s t i c si i li l i g h w a y ，a ni m p r o v e dr e a l t i m el a n ed e t e c t i o n i 东南大学博士学位论文 a l g o r i t h mb a s e do nm a c h i n ev i s o ni sp r o p o s e d ，w t l i c ha d o p t ss t r a i g h t - l i n el a l l em o d e l 锄dm a k e s 血l lu s eo fa d v a l l t a g e so fm el 锄e p a r a m e t e re x t 瑚i c t i o na j g o r i t h m sb a s e do nn l eh o u 曲 仃a n s f o n n a t i o ni ng l o b l ef i e l da i l dm el e a s t s q u a r e sf i t t i n gi nl o c a lw i n d o w s i nm ep r o c e s so f i m a g ep r e p r o c e s s i n g ，a i li i i l p r o v e df 瓠tm e d i a l lf i l t e r i n ga l g o r i t l l 】呱ag r a d i e md i r e c t i o na n g l e k s t o g r 锄b a u s e df i l t e r i n ga l g o r i m m ，肌dac o r l i 】i e c t i v i 够a 1 1 a l y s i sb a s e df i l t e r i n ga l g o r i a r e a d o p t e dt 0e n h a i l c et h ea c c u r a c yr a t eo fl a i l ed e t e c t i o n a c c o r d i n gt om ee 航c t i v er e g i o nd e t e c t e d o fl a n el i n ei nc u n e n t 行锄e ，k a l m a j lf i l t e r i n ga l g o r i t h mi su s e dt op r e d i c tt l l ep o s i t i o na n ds i z eo f i n t e r e s t i n g 、析n d o w so fl a n ei nn e x t 行a m e ，w 陆c hc a ni i l c r e a s en l ee 伍c i e n c yo fl a n ed e t e c t i o n ( 3 ) o nt h eb a s i so ft h ef a c ed e t e t i o n 锄dl a l l ed e t e c t i o n ，b ys e l e c t i n g 印p r o p r i a t ef 抓g u e f e a t u r ep a r a m e t e r s ，f a t i g u ef e a t l j r ep a r 锄e t c rc a l c u l a t i o na l l df a t i g u ed e g r e eq 啪t i z a t i o nm e t h o d s a r ep u tf o n v a r d t l l r e ef a t i g u ef e a n l r ep 猢e t e r si n c l u d i n g 雠q u e n tb l i l l l 【i n g ，y a w m n g 趾d a b n o m a ld e v i a t i n gf 而ml a l l ea r ed e t e c t e da n dc a l c u l a t e d ac o m b i n e dm e t h o do fs u b j e c t i v ea i l d o b j e c t i v eq u 枷i z a t i o n si sp r e s e n t e dt 0q u a n t i 匆m ef a t i g u ed e g r e eu s i n g “v i n gs i m u l a t i o n e x p e r i m e n t s b ys t a t i s t i c a la n a l y s i sm e t h o d s ，t h ec o r r e l a t i o nb e t 、e e nt l l r e ef a t i g u e f e a m r e p 绷e t e r sa n dar e l a t i v ef a t i g u ed e g r e ei sa n a l y s e d 龇1 dt t l e 1 i d i t ) ，o ft h et 1 1 r e ef a t i g u ef e a 嘁 p a r 锄e t e r ss e l e c t e d i sv e r i f i e d e x p e r i m e n t a l r e s u l t ss h o wm a tt l l e 也r e e f a t i g u e f e a m r e p a r a m e t e r ss e l e c t e dc a l le f r e c t i v e l yr e f l e c tt h ef a t i g u ed e g r e eo fd r i v e r s ，a i l dt h ep r o p o s e df a t i g u e f e a t 眦ed e t e c t i o na l g o r i t h mi sa c c u l i a t ea n dr e l i a b l e ( 4 ) i no r d e rt oi m p r o v et h ea c c u r a c y 锄dr e l i a b i l 毋o fn l e 嘶v i n gf a t i g u ed e t e c t i o nb a s e do n s i n g l ef e a _ t i 它，a 矗l t i g u ed r i v i n gm s i o n ( k ：t e c t i o na l g o r i t h mb a s e do nt s f n ne v o l v e db ys ca n d i p s qi sp r o p o s e d t 、v od i r e c td r i v e r sf a c i a lf e a t u r c sr e n e c t i n gf 撕g u ea n do n ei n d i r e c tv e h i c l e b e h a v i o rf e a t u r ei n d i c a t i n gf a t i g u ea r ec o n s i d e r e d m e a n w e ，t s 矗您z yn e u r a ln e t 、o r k ( t s f n i sa d o p t e dt 0r e c o g n i z et h e “v i n g 觚g u eo f “v e r s 。f o rt h es 仃u c t u r ei d e n t i f i c a t i o no ft s 补附， s u b 仃a c t i v ec l u s t e m g ( s c ) i su s e dt oc o 曲珊t 1 1 en 眦b e ro fm e 昀m l ea 1 1 dt l l ei l l i t i a lv a l u eo f t h er e l a t e dn e t 、o r kp a m m e t e r c o m p a r e d 谢t 1 1n l ei m p r o v e dg e n e t i ca l g o r i t h m ( 1 g a ) a i l db p a l g o r i t i m l ，t l l ei m p r o v e dp a r t i c l es w 锄o p t i m i z a t i o n ( d s o ) a l g o r i t t m l i ss e l e c t e dt 0 缸a i nt s f n n s i m u l a t i o nr e s u l t sa i l ds i i l l m a t i n ge x p e r i m e m si i lv e l l i c l es l l o wm a tt h ep r o p o s e da l g o r i t h mc a n e 髓c t i v e l yi i i l p r o v et h ec o n v e 昭e n c es p e e d a 1 1 dr c c o g i l i t i o na c c u r a c yo ft s f n n 嬲w e u 嬲 e i l l l a n c et l l ec o r r e c tr a t eo ff a t i g u e 嘶v i n gd e t e c t i o n k q 唧o r d s ：f a t i g u ed r i v i n gd e t e c t i o n ；m a c l l i n ev i s i o n ；ed e t e “o n ；l a n ed e t e c t i o n ；f a t i g u e d e g r e eq u a n t i z a t i o n ；m z 巧n e u r a ln e t 、o r k ；i i l f o m a t i o nm s i o n 目录 目录 摘要i a b s t r a c t i i i l | 录1 0 7 第一章绪论l 1 1 选题背景及意义1 1 2 国内外研究现状2 1 2 1 疲劳驾驶检测方法的研究难点2 1 2 2 疲劳驾驶检测方法的研究现状3 1 2 3 疲劳驾驶检测系统的研究现状8 1 3 研究目标及方法1 4 1 4 论文结构及研究内容14 1 5 本章小结15 第二章基于机器视觉的驾驶员脸部检测1 7 2 1 引言1 7 2 2 基于h a 小i i k e 特征的人脸检测算法1 7 2 2 1 基于h a 孙i i k e 特征的脸部检测1 7 2 2 2 改进的基于h 瓣l i k e 特征的脸部检测2 0 2 3 基于肤色特征的人脸检测算法2 3 2 3 1 光照补偿2 4 2 3 2 颜色空间选择及转换2 5 2 - 3 - 3 肤色相似灰度值的计算2 5 2 3 4 改进o t s u 肤色分割算法2 6 2 3 5 脸部边界确定及检测结果2 8 2 4 基于多特征双重匹配验证的人脸检测2 8 2 4 1 单一特征检测算法的局限2 8 2 4 2 驾驶员脸部检测融合算法2 8 2 5 本章小结3 3 第三章用于检测疲劳驾驶的车道线实时检测算法3 5 3 1 引言3 5 3 2 车道线检测总体方案3 5 3 3 车道线模型3 7 3 4 感兴趣区域的确定3 7 3 5 图像预处理3 8 3 5 1 图像滤波3 9 3 5 2 基于车道线特征的滤波算法4 0 3 5 3 基于s o b e l 边缘检测的车道线边缘提取4 1 3 5 4 梯度方向角直方图筛选4 4 3 5 5 车道线连通性分析4 5 3 6 车道线参数提取4 6 3 6 1 基于h o u 曲变换的车道线参数提取4 7 v 东南大学博士学位论文 3 6 2 基于最小二乘拟合的车道线参数提取4 9 3 7 基于k a l m 矾滤波的车道线跟踪算法5 0 3 7 1k a i m 锄滤波的基本理论和预测流程5 0 3 7 2 基于k a i m a n 滤波的车道线跟踪。5 l 3 8 车道线实时检测实验5 2 3 9 本章小结5 3 第四章疲劳特征参数计算及疲劳度的量化5 5 4 1 引言。5 5 4 2 疲劳特征参数计算5 5 4 2 1 眼部疲劳特征提取及计算5 5 4 2 2 嘴部疲劳特征提取及计算。6 2 4 2 3 异常偏离车道特征提取及计算7 2 4 3 疲劳度的量化7 7 4 3 1 疲劳度的主观量化7 8 4 3 2 疲劳度的客观量化7 8 4 3 3 疲劳度的综合量化8 0 4 3 4 疲劳度量化实验。8 0 4 4 疲劳特征参数跟疲劳度的相关性分析8 5 4 5 本章小结8 7 第五章疲劳驾驶融合检测8 9 5 1 弓i 言8 9 5 2 基于1 狄a g i s u g e n o 模型的网络结构8 9 5 3 网络的结构及参数优化9 1 5 3 1 减法聚类确定网络结构及初始参数9 l 5 3 2 改进遗传算法优化网络参数9 4 5 3 3 改进粒子群算法优化网络参数9 8 5 4 样本选择及网络训练二l0 2 5 4 1 样本选择。l0 2 5 4 2 神经网络仿真训练1 0 3 5 4 3 疲劳驾驶检测模拟实验1 0 5 5 5 本章小结1 0 7 第六章结论1 0 8 6 1 主要成果总结1 0 8 6 2 进一步研究的展望。1 0 9 致谢1l o 参考文献1 1 l 攻读博士学位期间取得的科研成果及获奖情况1 2 0 第一章绪论 1 1 选题背景及意义 第一章绪论 自汽车发明以来，全世界道路交通事故的死亡人数已逾3 千万人，交通事故死亡人数 占非自然死亡的1 4 左右，已成为世界最大公害【l 】。在我国，随着道路交通事业的发展，特 别是高速公路的快速扩展及汽车保有量的迅速增加，道路交通事故数量，人员伤亡和财产 损失虽逐年减少，但居高不下的态势并没有彻底扭转，道路交通安全形势依然十分严峻。 最近7 年我国道路交通事故数量、受伤人数、死亡人数、直接财产损失和万车死亡率如表 1 1 所示【2 】，【3 】 【4 】。 表1 12 0 0 3 2 0 0 9 我国道路交通事故数据统计表 人机工程学的研究表明，道路交通事故是在人一车一路一环境中产生不稳定或不平衡 时发生的。其中，驾驶员疲劳驾驶是引发恶性交通事故的最主要原因。据文献 5 】介绍，全 世界每年因交通事故而导致的死亡人数达6 0 万，因车祸受伤的人数更多，每年平均约有1 0 0 0 万人，直接经济损失约1 2 5 亿美元，这些事故中8 7 以上的灾难性事故与驾驶员疲劳驾驶 有关。疲劳虽然是一个很正常的生理现象，但每年引发的交通事故给世界各国造成了巨大 的经济损失和人员伤亡。据统计，在美国的重型汽车事故中，5 7 的灾难性事故与驾驶员疲 劳驾驶有关。在英国发生的严重或重大交通事故中，驾驶员疲劳驾驶占到2 0 以上。在德 国高速公路上造成人员伤亡的交通事故中，大约有2 5 是由疲劳驾驶引发的。法国警署的 一项国家事故报告表明，因疲劳驾驶而发生车祸的比例占人身伤亡事故的1 4 9 ，占死亡事 故的2 0 6 。澳大利亚每年由于交通事故的花费约为7 5 亿美元，其中，近1 5 亿美元是直接 l 东南大学博士学位论文 由驾驶员疲劳驾驶而导致的【6 】 【7 】。在我国仅2 0 0 6 年1 之月，全国就发生交通事故8 万余起， 造成1 6 万余人死亡，其中因疲劳驾驶导致死亡的有3 0 0 余人。根据在北京地区高速公路白 庙、杜家坎和沪杭段嘉兴等地对5 1 6 名驾驶员进行警觉度测试和问卷调查的结果显示，2 4 的驾驶者在驾驶过程中经常感觉到疲劳，1 0 的驾驶员表示在调查当天就瞌睡过，5 0 的被 调查者回忆在驾车行驶过程中曾打过瞌睡【8 1 。 由于交通事故并不是在驾驶员一产生疲劳时就立即发生，所以如果能研制一种疲劳预 警系统，在驾驶过程中实时检测驾驶员的精神状态，一旦驾驶员出现疲倦迹象时就发出警 报，或强行减速甚至强制停车休息，那么就能有效提高安全系数。统计显示，在交通事故 发生时，若驾驶员的反应能快半秒，6 0 的交通事故就可得到避免f 9 1 。故近年来，驾驶员疲 劳驾驶问题已受到世界各国越来越多研究人员的关注。随着疲劳驾驶检测研究的深入，疲 劳驾驶检测方法的不断改进对有效杜绝疲劳驾驶，减少交通事故发生率，构建和谐交通， 确保人民的生命和财产安全都具有十分重要的现实意义。 另外，驾驶员疲劳驾驶检测技术是汽车主动安全技术的一个重要研究方向，一直是国 内外交通安全领域的研究热点，其研究跨越了心理学，生理学、人机工程学、计算机视觉、 模式识别、传感器技术、电子技术和信息技术等多门学科。随着汽车电子技术的进步和传 感器制造工艺的提高，以及各国对交通安全的日益重视，疲劳驾驶检测技术将会不断地完 善和发展，从而为推动汽车主动安全检测技术和装备的发展发挥重要的作用。同时，研制 具有自主知识产权的疲劳驾驶检测系统，对于提高我国汽车主动安全检测的自动化、智能 化水平、提升国产汽车的国际市场竞争力、促进我国汽车工业现代化具有重要的意义。 1 2 国内外研究现状 1 2 1 疲劳驾驶检测方法的研究难点 疲劳驾驶检测方法的研究是当前国内外研究的前沿和热点，其难点主要集中在以下几 个方面【l o 】： ( 1 ) 对驾驶员疲劳驾驶的心理、生理属性还不是特别清楚。驾驶员在疲劳状态下，其 心理和生理特征等与正常状态下有较大的不同，而目前反映这些特征变化的客观数据很难 ； 得到。 ( 2 ) 疲劳状态下疲劳特征的变化规律很难总结归纳。目前尽管人们已发现了一些疲劳 状态下的变化规律，但这些规律均是建立在驾驶员清醒状态的基础上，而在疲劳出现后， 由于存在认知能力下降的情况，这些规律仅能粗略地反应疲劳的状态。况且驾驶员个体在 性别、年龄、性格、肤色、体质、情绪、生活饮食状况、是否患病等多方面存在着差异性， 2 蔓二皇堕堡 这一切都阻碍了疲劳驾驶检测方法评价指标的客观量化。 ( 3 ) 疲劳驾驶检测方法的评价标准还在探索中。究竟采用何种标准来客观准确地评价 疲劳驾驶是一个富有挑战性的问题。 ( 4 ) 现有的大多数疲劳驾驶检测算法因其检测条件的限制和复杂环境的影响，不能完 整、准确地提取驾驶员的疲劳信息，使目前开发的疲劳驾驶检测装置难以快速对疲劳状态 做出正确判断与响应，检测灵敏度低，可靠性差。 ( 5 ) 目前国内外关于疲劳驾驶检测的研究，还停留在理论和方法的探索上，没有系统 的标准和完善的解决方案，尤其在如何提高检测方法的精度和具体的实现上最具争议。 ( 6 ) 如何通过改进疲劳驾驶检测方法来提高检测装置的性价比是一个亟待解决的问 题。现今的疲劳驾驶检测装置，要么检测效果不够理想，要么成本太高，难以获得广泛的 应用。 ( 7 ) 为验证疲劳驾驶检测方法而设计和开发的仿真软件非常有限，而且也不够专业。 在驾驶员已发生疲劳的条件下，通过大量反复的人体实车实验来验证检测方法的有效性和 可靠性是非常危险的，而方便、安全、专业、可靠的疲劳驾驶检测仿真软件还有待进一步 研究和开发。 1 2 2 疲劳驾驶检测方法的研究现状 1 2 2 1 疲劳驾驶检测方法的分类 目前，疲劳驾驶的检测方法总体上可分为客观和主观两类，具体分类方法如图1 1 所示。 在疲劳驾驶检测研究的初期，其主要内容是分析疲劳驾驶产生的机理并采取措施防止 其发生，如让驾驶员利用自我记录表对驾驶任务、驾驶习惯和驾驶时间等进行自我评测， 从而对疲劳驾驶行为进行自我约束。这种主观的调查方法很难成为评价疲劳驾驶的标准尺 度。随着计算机技术和电子技术的发展，基于各种物理传感器的疲劳驾驶客观检测方法已 成为工程应用领域的研究重点。目前应用比较多的检测方法有以下几种。 ( 1 ) 基于驾驶员生理参数的检测 脑电图( e l e c t r o e n c e p h a l o 舒啪，e e g ) 信号检测：e e g 一直被誉为监测疲劳的“金 标准 。澳大利亚悉尼大学健康研究中心利用人工神经网络对采集的不同驾驶员的e e g 信 号进行处理，提取不同波段不同e e g 的典型特征并进行分类，以此来识别驾驶员的疲劳状 况【1 1 1 。另外，为了获得快速、准确的e e g 信号，t r a i l 等人利用集中趋势测量法( c e n t r a l t e n d e n c ym e a s u r e ) 定义的采样熵和二阶差分结构对采集到的驾驶员e e g 信号进行非线性 分析和处理，从而判断驾驶员是否疲判1 2 1 。 3 銮堕奎堂堡主堂垡丝苎 心电图( el e c t r o c 砌i o g r a m ，e c g ) 信号检测：c a l c a g i l i i l i 等人发现e c g 信号的几 个典型特征，如低频能量( l o wf r e q u e n c y ，l f ) ，超低频能量( v c 叫l o wf r e q u e n c y ，v f h ) ， 高频能量( h i 曲f r e q u e n c y ，h f ) 以及l f h f 的比率在驾驶员清醒和疲劳时有明显不同， 利用e c g 来判断驾驶员是否疲劳或打瞌睡【1 3 】。j e o n g 等人通过采集驾驶员的e c g 信号，并 对其心率变化情况进行分析来确定驾驶员是否有疲劳发生【1 4 】。 图l - 1 疲劳驾驶检测方法分类 脉搏跳动检测：日本电脑便民公司于2 0 0 2 年采用了一种新的疲劳检测方法，通过 在方向盘上安装探测装置来感知手握方向盘时脉搏的跳动情况，利用软件实时分析并判断 驾驶员是否瞌睡、注意力不集中、精神分散等i l 5 。 肌电图( e l e c t r o m y o g r a p h y ，e m g ) 信号检测：e m g 信号的测量一般采用诱发电位 的方法，在肌肉表面固定好表面电极，肌电信号经表面电极传至肌电图记录仪供研究人员 分析。h o s t e n s 等人使用此方法研究了驾驶员长途驾驶时疲劳产生的过程，研究发现疲劳产 生后，表面肌电图的幅值上升，肌电平均频率下降【l 们。 4 蔓二皇笙丝 ( 2 ) 基于驾驶员行为特征的检测 “p e r c