一文詳解駕駛員疲勞預(yù)警系統(tǒng)

本文來源：智車科技

／ 導(dǎo)讀 ／

駕駛員疲勞預(yù)警系統(tǒng)，是駕駛員狀態(tài)監(jiān)測系統(tǒng)的重要部分。駕駛員疲勞預(yù)警系統(tǒng)可以監(jiān)測并提醒駕駛員自身的疲勞狀態(tài)，減少駕駛員疲勞駕駛的潛在危害。

當(dāng)駕駛員精神狀態(tài)下滑或進入淺層睡眠時，系統(tǒng)會根據(jù)駕駛員精神狀態(tài)指數(shù)，分別給出語音提示、震動提醒、電脈沖警示等，警告駕駛員已經(jīng)進入疲勞狀態(tài)，需要休息。

1

系統(tǒng)構(gòu)成

疲勞預(yù)警系統(tǒng)一般是由信息采集單元、電子控制單元和預(yù)警顯示單元等三部分組成。

信息采集單元通過傳感器采集駕駛員信息和車輛狀態(tài)信息。其中，駕駛員信息包括駕駛員的面部特征、眼部信號、頭部運動性等。車輛狀態(tài)信息包括轉(zhuǎn)向盤轉(zhuǎn)角，行駛速度、行駛軌跡等。

電子控制單元即ECU，接收信息采集單元發(fā)送的信號，進行運算分析，判斷駕駛員疲勞狀態(tài)。如果經(jīng)過分析發(fā)現(xiàn)駕駛員處于一定程度的疲勞狀態(tài)，則向預(yù)警顯示單元發(fā)出信號，預(yù)警顯示單元根據(jù)ECU傳遞的信息，通過語音提示、智能提醒、電脈沖警示等方式，對駕駛員進行預(yù)警。

2

檢測原理

駕駛員疲勞檢測的原理，主要是基于駕駛員自身特征，包括生理指標和生理反應(yīng)的檢測、車輛行駛狀態(tài)的檢測方法以及多特征信息融合的檢測方法等。

2．1 基于生理指標檢測

駕駛員在疲勞狀態(tài)下的一些生理指標，如腦、電、心、電、脈搏、呼吸等，都會偏離正常的狀態(tài)，因此可以通過生理傳感器去檢測駕駛員這些生理指標，來判斷駕駛員是否處于疲勞狀態(tài)。

首先是腦電信號的檢測，腦電信號是人腦技能的宏觀反應(yīng)，利用腦電信號能夠反映出人體的疲勞狀態(tài)，客觀并且準確。

腦電信號被譽為疲勞檢測中的金標準。人在疲勞狀態(tài)下，慢波增加快波降低，利用腦電信號檢測駕駛疲勞狀況判定的準確率較高，但其操作復(fù)雜，不適合車載實時檢測。

其次是心電信號檢測。心電圖指標主要包括心率和心率變異性等。其中心率信號綜合反映了人體的疲勞程度和任務(wù)與情緒的關(guān)系，心率變異性是心臟神經(jīng)活動的緊張度和均衡度的綜合體現(xiàn)。

心電信號是判定駕駛疲勞的有效特征，準確度高。但是，利用心電信號檢測人體疲勞狀況，需要將電極和人身體相接觸，會對駕駛員的正常駕駛帶來不便。

第三是肌電信號檢測。通過肌電信號的分析，反映人體的疲勞程度。肌電圖的頻率，隨著疲勞的產(chǎn)生和疲勞程度的加深，呈現(xiàn)出下降的趨勢，而肌電圖的幅值增大則表明疲勞程度的增長，該方法測試簡單，結(jié)論也較明確。

第四是脈搏信號檢測。根據(jù)人體精神狀態(tài)的不同，心臟活動和血液循環(huán)也會有差異，脈搏實際上反映的就是心臟和血液的循環(huán)。因此利用脈搏波去檢測駕駛員的疲勞狀態(tài)，是具有可行性的。

第五是呼吸信號的檢測。人體疲勞狀態(tài)的一個重要表現(xiàn)就是呼吸頻率的降低，呼吸變得平穩(wěn)。

在正常駕駛過程中，駕駛員精神集中，呼吸的頻率相對較高；如果駕駛期間和他人交談，呼吸波的頻率則變得更高。當(dāng)駕駛員疲勞駕駛時，注意力集中程度也會降低，此時呼吸也變得平緩。因此通過檢測駕駛員的呼吸狀況來判定是否疲勞駕駛，也成為研究疲勞駕駛預(yù)警系統(tǒng)的一個重要維度。

基于駕駛員生理指標的檢測方法，客觀性強，準確性高，但與檢測儀器強相關(guān)。這些檢測方法基本都是接觸性的檢測，會干擾到駕駛員的正常操作，影響行車安全。另外，由于不同人的生理信號特征有所不同，并且和心理活動的關(guān)聯(lián)較大，在實際用于駕駛員疲勞檢測的時候，存在很大的局限性。

2．2 基于生理反應(yīng)檢測

基于駕駛員生理反應(yīng)特征的檢測方法，一般采用非介入式的檢測途徑，利用機器視覺技術(shù)，檢測駕駛員面部的生理反應(yīng)特征，如眼睛特征、視線方向、嘴部狀態(tài)、頭部位置等，判斷駕駛員的疲勞狀態(tài)。

首先是眼睛特征的檢測。駕駛員眼球的運動和眨眼信息被認為是反應(yīng)疲勞的重要特征，眨眼的幅度、頻率以及平均閉合的時間，都可以直接用于檢測疲勞。

目前被認為最有應(yīng)用前景的實時疲勞檢測方法是PERCLOSE，即Percentage of Eyelid Closure Over the Pupil Over Time，它是指一定時間內(nèi)眼睛閉合時所占的時間比例，類似占空比的概念。通常我們按照p80的標準檢測，即單位時間內(nèi)眼睛閉合程度超過80％的時間，占總時間的百分比，它和駕駛疲勞程度的相關(guān)性最準確。

為了提高疲勞檢測的準確率，可以綜合檢測平均睜眼的程度、最長閉眼時間的特征作為疲勞指標，達到較高的疲勞檢測準確率。

通過眼睛特征檢測駕駛員的疲勞程度，不會對駕駛員的行為帶來任何的干擾，因此成為這一領(lǐng)域現(xiàn)行研究的熱點。

第二是視線方向的檢測。把眼球中心與眼球表面亮點的連線定為駕駛員的視線方向，正常狀態(tài)下駕駛員正視車輛的運動前方，同時視線方向移動速度比較快；疲勞時，駕駛員視線方向的移動速度會變慢，表現(xiàn)出遲鈍的現(xiàn)象，并且視線軸會偏離正常的位置。

通過攝像頭獲取眼睛的圖像，對眼球建模，把視線是否偏離正常范圍，作為判別駕駛員是否疲勞駕駛的標準。

第三是嘴部狀態(tài)的檢測。人在疲勞時往往有頻繁的打哈欠的動作，如果檢測到哈欠的頻率超過預(yù)定的閾值，可判斷駕駛員已經(jīng)處于疲勞狀態(tài)，基于此原理可以完成對駕駛員的疲勞檢測。

第四是頭部位置的檢測。駕駛員在正常駕駛和疲勞駕駛時，其頭部位置是不同的?？梢岳民{駛員頭部位置的變化，檢測疲勞程度，利用頭部位置傳感器對駕駛員的頭部位置進行實時的跟蹤，并根據(jù)頭部位置的變化規(guī)律，判定駕駛員是否疲勞。

基于駕駛員生理反應(yīng)特征的檢測方法，優(yōu)點是表征疲勞的特征直觀明顯，并可實現(xiàn)非接觸測量，不足之處在于檢測識別的算法復(fù)雜，疲勞特征提取困難，且檢測結(jié)果受光線變化和個體生理狀況的變化影響較大，對技術(shù)的要求很高。

2．3 基于車輛行駛狀態(tài)檢測

基于車輛行駛狀態(tài)的疲勞檢測方法，不是從駕駛員本人出發(fā)去研究，而是從駕駛員對汽車的操縱情況，間接判斷駕駛員是否疲勞。該種檢測方法主要利用CCD攝像頭和車載傳感器來檢測汽車行駛狀態(tài)，從而推測出駕駛員的疲勞狀態(tài)。

首先是基于轉(zhuǎn)向盤的疲勞檢測?；谵D(zhuǎn)向盤的檢測，包括轉(zhuǎn)向盤轉(zhuǎn)角信號檢測和力矩信號檢測，駕駛員疲勞時對汽車的控制能力下降，方向盤轉(zhuǎn)角左右擺動的幅度會變大，同時操縱轉(zhuǎn)向盤的頻率會下降。

通過對轉(zhuǎn)向盤轉(zhuǎn)角時域和頻域分析，方向盤轉(zhuǎn)角的方差或平方差，可以作為疲勞駕駛的評價指標。目前，通過方向盤的轉(zhuǎn)角變化情況來檢測駕駛員的疲勞情況，是疲勞預(yù)警系統(tǒng)研究的熱點。這種方法數(shù)據(jù)準確，算法簡單，并且信號與駕駛員疲勞狀況聯(lián)系緊密，結(jié)果可信度高。

另外，駕駛員疲勞時，對轉(zhuǎn)向盤的握力會逐漸減小。通過傳感器實時檢測駕駛員施加在方向盤的力，可以判斷駕駛員的疲勞程度。

駕駛員對于轉(zhuǎn)向盤的操縱特征，能夠間接實時地反映駕駛員的疲勞程度，具有可靠性高、無接觸的優(yōu)點。但由于傳感器技術(shù)的限制，其準確度有待提高。

其次是汽車的行駛狀態(tài)。通過實時檢測汽車的行駛速度，判斷汽車是處于有效的控制狀態(tài)，或是處于失控的狀態(tài)，從而間接地判斷出駕駛員是否疲勞。

另外，駕駛員疲勞駕駛時，由于注意力分散，反應(yīng)遲鈍，汽車可能偏離車道?；谄囆旭偁顟B(tài)的檢測方法，優(yōu)點是非接觸檢測信號容易提取，不會對駕駛員造成干擾，基于車輛當(dāng)前的硬件，只需增加少量的硬件，就具有很高的實用價值。缺點是受到車輛的具體情況，道路的具體情況以及駕駛員的駕駛習(xí)慣經(jīng)驗和條件等限制測量的準確性并不高。

2．4 基于多特征信息融合檢測

基于多特征信息融合的檢測方法，通過信息融合技術(shù)，將駕駛員生理特征、駕駛行為及車輛行駛狀態(tài)相結(jié)合，是理想的檢測方法，大大降低了采用單一方法造成的誤檢和漏檢率。

信息融合技術(shù)的應(yīng)用，讓疲勞檢測技術(shù)得到更進一步的發(fā)展和提高，能夠客觀、實時、快捷、準確地判斷出駕駛員的疲勞狀態(tài)，避免疲勞駕駛所引起的交通事故，這也是疲勞檢測技術(shù)的發(fā)展趨勢。

－ End －

原文標題:一文詳解駕駛員疲勞預(yù)警系統(tǒng)