武警工程大學(xué)信息工程系 徐龍順

?

駕駛員精神疲勞檢測(cè)方法綜述

武警工程大學(xué)信息工程系 徐龍順

【摘要】針對(duì)進(jìn)十幾年來駕駛疲勞檢測(cè)技術(shù)的發(fā)展，對(duì)駕駛員疲勞檢測(cè)相關(guān)技術(shù)和方法進(jìn)行綜述?；隈{駛員的疲勞檢測(cè)方法主要分為基于行為特征的檢測(cè)方法和基于生理信號(hào)的檢測(cè)方法；基于車輛的檢測(cè)方法主要通過檢測(cè)車輛行駛參數(shù)來間接判斷駕駛員是否疲勞。詳細(xì)介紹了過去幾十年大家公認(rèn)的駕駛疲勞檢測(cè)技術(shù)的可行方法，并介紹了相關(guān)產(chǎn)品及其優(yōu)缺點(diǎn)，最后探討了駕駛員疲勞檢測(cè)技術(shù)的技術(shù)難點(diǎn)及發(fā)展趨勢(shì)。

【關(guān)鍵詞】疲勞檢測(cè)；生理信號(hào)；車輛行為

0 引言

精神疲勞作為大腦在認(rèn)知和行為控制過程中產(chǎn)生的心理生理現(xiàn)象，對(duì)駕駛過程中的安全有著極大的負(fù)面影響，研究駕駛疲勞檢測(cè)技術(shù)，對(duì)于降低交通事故的頻率有著極為重要的意義。

目前主要從兩個(gè)方面檢測(cè)駕駛員的疲勞情況：一是從車輛著手，記錄并分析車輛行駛路線、速度變化情況以及方向盤轉(zhuǎn)動(dòng)特征等，提取參量特征進(jìn)而判斷駕駛員狀態(tài)；二是從駕駛員入手，主觀方面，主要是通過自我調(diào)查問卷的形式了解駕駛員生活方式等進(jìn)行輔助判斷，客觀方面，主要是通過檢測(cè)駕駛員的生理信號(hào)以及眨眼頻率和面部表情等特征來判斷駕駛員狀態(tài)。

1 基于車輛行為的駕駛疲勞檢測(cè)

隨著駕駛時(shí)間的增加，駕駛員精神疲勞程度逐漸加大，注意力下降，進(jìn)而對(duì)于駕駛環(huán)境的認(rèn)知能力下降，反應(yīng)時(shí)間增加，對(duì)車輛的控制精度降低，從而駕駛員對(duì)汽車的操作變量及車輛行駛路線等參量的特征會(huì)出現(xiàn)變化，因此可以通過車輛行駛狀態(tài)參數(shù)判斷駕駛員疲勞狀態(tài)。利用駕駛員駕駛時(shí)間、方向盤轉(zhuǎn)角等設(shè)計(jì)基于單片機(jī)的疲勞駕駛檢測(cè)系統(tǒng)，成本低，算法簡(jiǎn)單。這些技術(shù)相對(duì)成熟且成本較低，但是其靈敏度不高，且易受外界環(huán)境影響，比如車道偏離報(bào)警系統(tǒng)檢測(cè)駕駛員疲勞狀況，只有在車道邊沿有白色標(biāo)志線的高速路段和城區(qū)路段才能使用。

2 基于駕駛員行為特征的駕駛疲勞檢測(cè)

從駕駛員行為特征著手，主要通過檢測(cè)駕駛員面部特征變化來判斷疲勞，主要包括眨眼頻率、眼睛轉(zhuǎn)動(dòng)速度、眼睛閉合度、閉眼持續(xù)時(shí)間占空比、嘴部狀態(tài)、頭部位置等參量，提取其特征量，以相應(yīng)的算法判別駕駛員是否疲勞。

2.1 眼睛行為參量

眼睛行為包括眨眼頻率、瞳孔大小、眼睛閉合度、眼睛轉(zhuǎn)動(dòng)速度、閉眼持續(xù)時(shí)間占空比等，前人的研究主要是通過截取駕駛員駕駛時(shí)的圖像，通過圖像處理來檢測(cè)駕駛員眼睛狀態(tài)。相關(guān)人眼快速檢測(cè)算法較多，反映出眼睛行為是判斷疲勞駕駛的經(jīng)濟(jì)有效指標(biāo)，且技術(shù)相對(duì)成熟。但利用眼睛狀態(tài)來判斷駕駛員疲勞狀況，視線跟蹤技術(shù)也面臨很多問題,如在被測(cè)人頭自由轉(zhuǎn)動(dòng)的情況下,視線很難準(zhǔn)確跟蹤到,導(dǎo)致示警系統(tǒng)不能始終如一正確地告訴駕駛員疲勞出現(xiàn)。

2.2 面部表情與頭部運(yùn)動(dòng)

駕駛員在精神疲勞時(shí)往往會(huì)在臉部表現(xiàn)出來，進(jìn)而面部表情與正常狀態(tài)時(shí)有明顯差異，通過提取駕駛員打哈氣頻率及頭部轉(zhuǎn)角參數(shù)特征可以有效檢測(cè)駕駛員狀態(tài)，但面部識(shí)別系統(tǒng)同樣要求用戶必須在攝像頭范圍內(nèi)，影響用戶體驗(yàn)。

3 基于駕駛員生理信號(hào)的駕駛疲勞檢測(cè)

主要通過檢測(cè)駕駛員腦電信號(hào)、心電信號(hào)、血壓、肌電信號(hào)、眼電信號(hào)等生理信號(hào)來檢測(cè)駕駛員疲勞狀態(tài)，生理信號(hào)檢測(cè)駕駛員疲勞狀態(tài)客觀有效，且準(zhǔn)確率高，尤其是腦電信號(hào)，被譽(yù)為“黃金標(biāo)準(zhǔn)”。

3.1 腦電信號(hào)

大腦是控制運(yùn)動(dòng)、產(chǎn)生感覺及實(shí)現(xiàn)高級(jí)腦功能的高級(jí)神經(jīng)中樞，通過精密的電子儀器，從頭皮上將腦部的電位變化放大，并記錄下來，就是腦電圖，共有α、β、θ、δ四個(gè)波段，反映大腦不同的狀態(tài)。

作為世界消費(fèi)領(lǐng)域生物傳感技術(shù)的領(lǐng)導(dǎo)者，美國NeuroSky公司開發(fā)了一款意念控制的頭戴式設(shè)備，通過檢測(cè)腦電信號(hào)α和β波段的變化判斷用戶注意力和放松度，當(dāng)腦波位于β波段時(shí)，大腦處于專注狀態(tài)，而位于α波段是處于放松狀態(tài)。腦電信號(hào)的四個(gè)波段進(jìn)行簡(jiǎn)單計(jì)算如（θ+α）/β有很明顯的變化，表明利用腦電信號(hào)不同波段的運(yùn)算法則提取特征量對(duì)于判別駕駛員精神疲勞有重要意義。更早的研究有功率譜分析等經(jīng)典信號(hào)處理方法，將腦電信號(hào)視為平穩(wěn)信號(hào)，而有研究則表明，腦電信號(hào)具有非線性特征，復(fù)雜度、近似熵等非線性特征逐漸被用來分析腦電信號(hào)變化規(guī)律。便攜式無線腦電信號(hào)采集設(shè)備的發(fā)展，大大減小了用戶采集腦電信號(hào)時(shí)的厭煩情緒，為日后腦電信號(hào)的理論研究走向應(yīng)用奠定了基礎(chǔ)，腦電信號(hào)正成為研究駕駛員疲勞狀態(tài)的最可靠指標(biāo)之一。

3.2 心電信號(hào)

心電信號(hào)是指心臟活動(dòng)時(shí)心肌激動(dòng)產(chǎn)生的生物電信號(hào)，與腦電信號(hào)相比，眾多非接觸式的心電信號(hào)采集設(shè)備也為其在駕駛疲勞檢測(cè)中的應(yīng)用奠定了基礎(chǔ)。對(duì)心電信號(hào)的研究主要是提取心率參量，觀察其心率變異性，心率變異性是指心率節(jié)奏快慢或RR間期隨時(shí)間所發(fā)生的變化情況，反映心臟自主神經(jīng)系統(tǒng)對(duì)心血管系統(tǒng)的調(diào)控以及該系統(tǒng)對(duì)各種影響因素的應(yīng)答。

駕駛員疲勞前后心電信號(hào)的時(shí)域、頻域及非線性特征均有明顯不同。參加模擬駕駛?cè)蝿?wù)后，受試者交感神經(jīng)活動(dòng)增加而副交感神經(jīng)活動(dòng)降低，表明心電信號(hào)變化特征可以作為檢測(cè)駕駛員疲勞狀態(tài)的指標(biāo)之一。

3.3 肌電信號(hào)和眼電信號(hào)

眼電圖是測(cè)量在視網(wǎng)膜色素上皮和光感受器細(xì)胞之間存在的視網(wǎng)膜靜電位，日本著名眼睛廠商JINS在2014年召開發(fā)布會(huì)，推出了一款利用眼部潛在傳感技術(shù)來檢測(cè)受試者疲勞程度的智能眼鏡，通過檢測(cè)受試者8個(gè)方向的眼部活動(dòng)來判斷用戶疲勞狀態(tài)。

肌電圖可以確定周圍神經(jīng)、神經(jīng)元、神經(jīng)肌肉接頭及肌肉本身的功能狀態(tài)，用sEMG信號(hào)的時(shí)頻分析可以評(píng)估駕駛員肌肉疲勞狀態(tài)。

4 展望

綜合來看，通過車輛行為參數(shù)來判別技術(shù)上較容易實(shí)現(xiàn)，成本較低，但易受外界影響；隨著生理信號(hào)非接觸式采集設(shè)備的發(fā)展，生理信號(hào)疲勞檢測(cè)相關(guān)理論也越來越成熟，受到越來越多的關(guān)注。在過去的20多年，駕駛疲勞檢測(cè)技術(shù)得到了突飛猛進(jìn)的發(fā)展，相關(guān)理論體系已經(jīng)趨于完善，但仍存在不少問題。一是個(gè)體差異問題，二是用戶體驗(yàn)問題。眾多已成形的產(chǎn)品沒有廣泛推廣開來，主要是由于檢測(cè)失誤率較大，還沒有達(dá)到用戶期望的效果，由于采集設(shè)備的繁瑣，影響用戶駕駛時(shí)的舒適度也是一重要原因。由于大量數(shù)據(jù)的采集及計(jì)算分析，造成系統(tǒng)延遲較大，設(shè)備成本高等問題也是影響設(shè)備推廣的關(guān)鍵因素。

參考文獻(xiàn)

[1]屈肖蕾.基于轉(zhuǎn)向操作和車輛狀態(tài)的疲勞駕駛檢測(cè)方法研究[D].北京:清華大學(xué),2012．

[2]周云鵬,朱青,王耀南,等.面部多特征融合的駕駛員疲勞檢測(cè)方法[J].電子測(cè)量與儀器學(xué)報(bào),2014(10):1140-1148．

[3]Borghini G,Astolfi L,Vecchiato G,et al.Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload,fatigue and drowsiness[J]. Neuroscience and Biobehavioral Reviews,2014(44):58-75.

[4]周展鵬,孔萬增,王奕直,等.基于心電和腦電的駕駛疲勞檢測(cè)研究[J].杭州電子科技大學(xué)學(xué)報(bào),2014(03):25-28．

[5]吳群.基于心電信號(hào)的駕駛疲勞檢測(cè)方法研究[D].杭州:浙江大學(xué),2008.