基于EEG与EOG信号的疲劳驾驶状态综合分析

疲劳驾驶时,司机的脑电信号和眼电信号特征均发生显著变化,本文针对这两类信号进行分析研究,利用这两类数据综合分析判断司机是否处于疲劳驾驶状态.首先对采集的脑电信号进行小波包分解,提取信号中的α波,并计算其相对功率谱P;然后利用Pearson相关系数分析两路对称导联F7,F8中眨眼信号特征,去除干扰;最后利用BP神经元网络对眨眼信号进行识别,计算眨眼频率.结果表明,利用眼电信号和脑电信号特征综合分析司机眨眼动作,能准确识别出眨眼信号,并能正确检测人的驾驶疲劳状态的变化.     

基于生理参数的驾驶疲劳检测方法综述

疲劳会影响驾驶人员的注意、思维、判断、决定等,是导致交通死亡事故的重要因素之一。实现高精度、强鲁棒性、轻量化的驾驶疲劳检测算法对于提升公共交通安全具有重要意义。该综述从信号模态(单模态、多模态)及分析方法(机器学习、深度学习、迁移学习)两个角度回顾并总结了基于脑电信号(EEG)、眼电信号(EOG)、心电信号(ECG)和肌电信号(EMG)进行驾驶疲劳检测的最新进展。同时,该综述分析了现有工作的局限性并探讨了未来的研究方向,为进一步提升基于生理参数的驾驶疲劳检测算法性能和推广结合可穿戴设备的实际应用提供了新颖的见解。     

基于EEG小波包子带能量比的疲劳驾驶检测方法

驾驶员在从正常驾驶状态向疲劳驾驶状态变化的过程中,其脑电信号中的慢波逐渐增加,快波逐渐减少;针对这一特点,提出了一种基于小波包子带能量比的疲劳驾驶状态检测方法.采集和分析受试者模拟驾驶过程中的脑电信号,利用小波包分解系数计算出β波与慢波的能量比,将其作为疲劳指标F值.实验结果表明,尽管不同受试者的F值存在较大差异,但是对于同一受试者而言,F值随着驾驶时间的延长和疲劳程度的增加而逐渐降低,其相对于正常驾驶状态的衰减程度能够有效反映驾驶人的疲劳程度.     

基于脑电信号的草原公路驾驶疲劳研究

草原公路单调枯燥的驾驶环境容易使驾驶员产生驾驶疲劳,严重威胁到行车安全。通过草原二级公路实驾试验,监测驾驶员的脑电信号,探索真实驾驶环境下驾驶员驾驶时的EEG特征。结果表明:β波和(α+θ)/β这两项指标对驾驶员疲劳反应最为敏感,可以把这两项指标作为表征草原公路驾驶员疲劳的脑电指标;在草原公路150 min的驾驶过程中,驾驶员出现较明显疲劳症状时间段是:20~30 min,80~90 min,90~100 min,100~110 min。其中,在90~110 min这个时间段内疲劳趋势尤为明显。结果可为草原公路驾驶疲劳预警提供部分理论支撑。     

疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

基于脑电信号的驾驶疲劳检测综述

围绕基于脑电信号的驾驶疲劳检测,通过大量文献检索,总结了脑电信号采集设备、脑电信号特征提取方法和脑电信号分类方法三个方面现状．分析了采集设备的便携性与舒适度问题、与疲劳相关特征的稳定性问题及疲劳检测模型的鲁棒性问题,进而梳理并总结出基于脑电信号驾驶疲劳检测的三个发展趋势：从湿式电极到干式电极;从通道内特征到通道间特征;从浅层机器学习到深度学习．     

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.     

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.     

基于GM-HMM的驾驶人疲劳状态检测

驾驶人状态检测是舱内感知技术(ICS)的重点研究方向之一,其中驾驶疲劳作为交通事故致因的重要组成部分,越来越受到人们的重点关注.驾驶人疲劳检测的本质是通过相关特征对当前驾驶人状态的间接评估过程,其中疲劳状态的标定对构建特征-疲劳状态的映射关系具有重要影响,也是目前相关车载系统研发所面临的共性关键问题.由此,基于脑电(E...     

音乐对草原公路驾驶疲劳恢复的有效性

音乐调节在疲劳恢复领域应用广泛,为了解决草原公路因单调驾驶环境造成的驾驶疲劳的恢复问题,提出了音乐调节的恢复方式,对草原公路驾驶疲劳的恢复情况进行有效性探究。通过草原公路模拟驾驶实验,将20名驾驶人随机分为两组,分别进行自然恢复和音乐环境下的驾驶疲劳恢复实验,并采集驾驶人静测、驾驶作业过程中和疲劳恢复期的脑电信号,分析不同恢复方式下驾驶人脑电信号的变化规律,探究音乐对草原公路驾驶人疲劳恢复的有效性。实验结果表明：驾驶人脑电信号的α波和θ波指标在驾驶疲劳恢复期内的反应最为敏感,利用这两项指标进行不同恢复方式下驾驶疲劳恢复期的差异性分析。草原公路模拟驾驶实验180 min后,在30 min的疲劳恢复期内,音乐调节组驾驶人的恢复时间为12～15 min,自然恢复组驾驶人的疲劳恢复时间为27～30 min。     

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.     

基于多导脑电特征的生理性精神疲劳分析

通过对4种生理性精神疲劳状态下4导脑电信号进行功率谱和小波熵特征分析，研究了脑电信号各节律相对功率以及小波熵与生理性精神疲劳程度之间的关系，并分析了它们在不同生理性精神疲劳状态下的变化规律及其相关性．实验分析结果表明，脑电信号各节律的相对功率以及小波熵平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号的小波熵平均值逐渐降低，θ、α和β节律高频快波相对功率的平均值逐渐降低，而占节律高幅度慢波相对功率平均值逐渐增加．脑电信号各节律的相对功率以及小波熵平均值有望成为衡量生理性精神疲劳程度的指标．     

基于脑电信号的驾驶疲劳检测研究

研究利用脑电信号(EEG)判断驾驶员的疲劳程度. 基于疲劳驾驶实验平台进行模拟驾驶实验,综合实验视频图像和驾驶员自我评价进行主观疲劳评测. 利用生理检测仪采集驾驶员的脑电波,对比分析脑电信号不同频带信号功率谱值和驾驶员的主观疲劳评测之间的关系. 结果表明:主观疲劳评测与脑电信号中功率谱值的变化相对应,脑电功率谱的比值(α+θ)/β越大,疲劳等级越高.     

基于方向盘握力的疲劳驾驶检测研究

选取6位普通驾驶员参加实际道路驾驶实验,在实验中同步检测驾驶员对方向盘的握力信号和驾驶员的脑电信号。通过独立样本T检验,从时域和时频域两方面筛选出5个与疲劳驾驶密切相关的握力信号特征,将它们作为输入信息;提取脑电功率谱比值作为衡量疲劳驾驶的信号特征,将其作为输出信息;通过BP神经网络方法,以输入信息和输出信息建立基于方向盘握力的疲劳驾驶检测模型。使用部分驾驶数据对检测模型进行验证,结果显示此数学模型对疲劳驾驶的识别率达到87.0%,说明方向盘握力信号可作为检测疲劳驾驶的有效数据。     

基于决策树的驾驶疲劳等级分析与判定

为了提高疲劳检测的精度,通过驾驶模拟试验采集了15位中青年有经验驾驶员的车辆横向位置、方向盘操控、眼动等多源数据并计算疲劳特征指标,同时采集驾驶员主观疲劳程度并通过视频回放进行校核,在此基础上建立疲劳等级与特征指标的决策树模型,结果表明,对于区别疲劳等级最显著的变量有闭眼时间比例(percentage of eye closure,PERCLOS)、车道偏移标准差、越线时空面积、方向盘反转率,且上述变量与疲劳等级呈正相关;PERCLOS为最优的疲劳等级划分变量,并获取了2个重要阈值:当PERCLOS小于2.8%时,驾驶员处于严重疲劳状态的比例为零;当PERCLOS大于21.9%时,驾驶员处于未疲劳状态的比例为零;该模型预测的总正确率为64.31%.为了校验模型,从15位驾驶员中随机选取了4位进行模型校验试验.校核结果表明该模型的正确率达63.22%.模型在2次试验中都未发现将严重疲劳识别为未疲劳的情况.     

基于状态空间的EEG信号分析

为寻求脑电(Electroencephalogram,EEG)分析的新途径,提出了一种基于状态空间的脑电分析的新方法.利用状态空间点间的欧氏距离来计算脑电状态空间的态密度和态方差.实验结果表明,态密度和态方差不仅计算简单,而且与脑电的关联维数和Lyapunov指数相比,更能有效地反映混沌系统非线性动力学的特征.此外,还计算了基于距离协方差的脑电信号的奇异谱,并对结果作了分析.     

基于驾驶模拟实验的眼部指标与疲劳分级

基于同济大学8自由度高仿真驾驶模拟器,利用眼动仪采集了15位驾驶员各一小时驾驶过程中眼部指标,将驾驶员的疲劳状态分为清醒、轻度疲劳、中度疲劳、重度疲劳和极度疲劳5个等级,建立了考虑驾驶员个体差异的分层有序离散选择模型.结果表明:分层有序离散选择模型能有效地考虑驾驶员的个体差异,提高了对驾驶员不同疲劳等级的识别准确率.     

基于眼部行为的驾驶疲劳监测方法

为了克服percentage of eyelid closure(PERCLOS)法作为疲劳监测方法对仪器要求过高的弱点,通过室外行车实验验证其实时监测的适用性的同时,在室内以眨眼次数和闭眼时间为主要实验分析研究对象,检验两者的数值与驾驶疲劳程度之间的关系以开发新的疲劳监测指标.通过实验分析结果论证PERCLOS实际应用的可能性,眨眼次数与闭眼时间作为驾驶疲劳眼部行为的评价指标的有效性和应用价值.     

模拟驾驶过程中精神疲劳的实验分析

实验采用自行设计的监视操作程序作为实现驾驶精神疲劳的替代工具．实验中，10名处于某一年龄段的男性样本在90min内执行同一监视操作程序，实验前后分别测试实验样本的血压值、临界融合频率等客观指标，并与操作判断正确率相结合分析疲劳实验的替代可行性．结果表明，监视操作可以作为模拟驾驶过程中精神疲劳的有效手段．