多源生理信號融合的駕駛疲勞檢測預警系統(tǒng)研究.pdf

1、近年來，隨著經濟的發(fā)展，國內機動車持續(xù)增多，頻繁交通事故已經成為當今需要面對的重要問題。在重大、特大交通致死事故中，疲勞駕駛是一個非常重要的因素。因此，對駕駛疲勞檢測方法的研究已經成為一個重要課題。
　　首先，本文在實驗室搭建了模擬駕駛平臺，設計了一套嚴格的實驗范式，在實驗室中模擬駕駛疲勞產生的過程。實驗中引入了視覺、聽覺刺激任務，通過3個階段8個環(huán)節(jié)的模擬駕駛，誘發(fā)被試者產生駕駛疲勞。每個駕駛員每個環(huán)節(jié)結束后，被試者還被要求完成

2、困睡度量表。同時，駕駛員完成刺激反饋任務和沖出賽道的情況也被記錄下來作為主觀評價的參考。本文從以下幾個方面對駕駛員的駕駛疲勞進行了研究。
　　1）針對生物電信號，本文提出了一種基于腦電微狀態(tài)的大腦工作負荷程度評價方法。同時從功率譜比值角度分析了駕駛過程中得腦電信號。實驗結果表明，腦電信號功率譜比值和微狀態(tài)都與駕駛疲勞密切相關。隨著駕駛疲勞，功率譜比值F(α+θ）/β逐漸上升，Fβ/α逐漸下降。微狀態(tài)指標R在腦負荷較高時，顯著下降。

3、本文還針對心電信號提出一種差分閾值計算心率的方法。通過分析被試者的心率變化，驗證了被試者心率隨駕駛疲勞產生而降低的結論。
　　2）從機器視覺的角度，本文基于Adaboost算法提出了一種優(yōu)化的眨眼檢測機制。本文使用Adaboost算法和Haar特征訓練多姿態(tài)人臉以及睜、閉眼分類器，通過先定位人臉，然后根據人眼的幾何分布特征快速檢測識別視頻圖像中的被試者眨眼情況。通過人眼狀態(tài)方波圖和簡化的PERCLOS指標對被試者的駕駛疲勞情況進行

4、了分析。實驗結果表明，被試者在駕駛疲勞產生時，PERCLOS指標會上升，且提升率高于100％。
　　3）提出了多源生理信號融合的疲勞駕駛檢測方法。本文分別采用支持向量機和人工神經網絡的方法，在特征層上對腦電、心電多個信號源的特征進行融合。從實驗結果上看，無論支持向量機和人工神經網絡，融合的結果要比單個信號源的結果穩(wěn)定可靠。
　　4）設計和實現了多源生理信號融合的駕駛疲勞檢測預警系統(tǒng)。使用者可以通過腦電信號、心電信號和機器視覺