多源生理信號融合的駕駛疲勞檢測預(yù)警系統(tǒng)研究.pdf

1、近年來，隨著經(jīng)濟的發(fā)展，國內(nèi)機動車持續(xù)增多，頻繁交通事故已經(jīng)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(jīng)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(shè)計了一套嚴格的實驗范式，在實驗室中模擬駕駛疲勞產(chǎn)生的過程。實驗中引入了視覺、聽覺刺激任務(wù)，通過3個階段8個環(huán)節(jié)的模擬駕駛，誘發(fā)被試者產(chǎn)生駕駛疲勞。每個駕駛員每個環(huán)節(jié)結(jié)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(wù)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(jié)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(guān)。隨著駕駛疲勞，功率譜比值F(α+θ）/β逐漸上升，F(xiàn)β/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(chǎn)生而降低的結(jié)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(jù)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(jié)果表明，被試者在駕駛疲勞產(chǎn)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(jīng)網(wǎng)絡(luò)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(jié)果上看，無論支持向量機和人工神經(jīng)網(wǎng)絡(luò)，融合的結(jié)果要比單個信號源的結(jié)果穩(wěn)定可靠。
　　4）設(shè)計和實現(xiàn)了多源生理信號融合的駕駛疲勞檢測預(yù)警系統(tǒng)。使用者可以通過腦電信號、心電信號和機器視覺