防疲劳驾驶

防疲劳驾驶（精选10篇）

防疲劳驾驶 篇1

引言

据研究报告显示, 每年的死亡人数中有百分之二点二是道路交通事故导致的, 而这其中百分之五十七的灾难性事故与驾驶员疲劳驾驶有关。驾驶疲劳通常是指驾驶人在一定长的时间内长时间行车后, 产生疲倦、四肢僵硬、麻木、判断能力下降, 出现动作迟误或过早转动方向盘的现象[1]。在当今人们生活节奏的加快使得驾驶员得不到充分的休息。据研究, 近几年疲劳驾驶是诱发交通事故发生的重要的原因之一[2]。因此, 研发汽车防疲劳驾驶系统技术来预防驾驶员疲劳驾驶是非常有实用意义的。

1、方案设计

1.1 系统方案

首先用摄像头采集出驾驶员眼部和驾驶员的脸部和眼部区域的信息, 然后在眼部区域中分析眼睛特征, 并根据眼部运动的图像特点, 采用图像信息的跟踪方法对眼部信息进行跟踪, 进一步提高驾驶员眼部区域的检测准确度, 最后根据系统检测出驾驶员眼睛的闭合时间的快慢和眨眼的频率等信息来判断驾驶员是否处于疲劳驾驶的状态。当汽车驾驶员没有处于疲劳状态时, 该报警系统将会自动休眠, 十五分钟以后, 系统进行复位, 并重新开始新的检测。

1.2 工作原理

当驾驶员将汽车起动后, 车辆有一定的速度后, 报警系统的摄像头启动。将会获取驾驶员的脸、眼的区域信息, 然后进行图像信息的处理, 并将处理后的信息输进行车电脑中。ECU会将输入的信息做识别、整合处理, 然后, 电脑将处理后的信号输出到报警装置。如果驾驶员有疲劳驾驶的行为, 则就会指示报警系统就会进行灯光闪烁并且蜂鸣声想起提醒驾驶员存在疲劳驾驶的风险。提醒驾驶员采取相应措施避免疲劳驾驶。

2、系统结构及实现

2.1 硬件结构

疲劳监测系统的硬件由三个电路部分组成。摄像头, DSP系统板和音视频压缩板。摄像头输出驾驶员的眼部和脸部区域信息等标准视频信号。DSP系统板包括DSP系统电路、CPLD译码电路以及存储器扩展电路和网络通信接口电路。音视频压缩板则包括视频采集电路, 电源模块和异步串行通信电路以及音频编解码电路。而疲劳监测系统的外部接口有多个电源输入接口, 包括音频输入输出接口和网络通信接口以及报警输出接口。DSP系统电路包括存储器扩展和DSP括配置以及时钟的电路。这其中DSP系统为该报警系统的最重要控制部分。主要完成驾驶员眼部区域信息的判断和识别、疲劳判断和视频编码以及网络传输控制等各项任务。网络接口部分则由以太网控制器组成, 提供自适应以太网接口。CPLD译码电路为FLASH提供分页和片选信号为UART的两个通道提供片选信号, 为ESAM模块提供数据的输入及输出通道和复位信号。视频解码器将转换成数字信号。异步串行接口芯片为TL16C550C, 提供RS—48接口, 用来控制解码器或其它配套监控设备。电源模块输入为12伏的电压, 其中12伏电压给摄像头提供电压, 电压经过处理、降压后得到5伏、3伏和1.4伏的电压, 其中一点四伏的电压给DSP和其它电路提供电压。

2.2 软件信息的处理

车载摄像头采集的是驾驶员的图像信息, 并不是车辆的信息, 并将其输入到行车电脑, 车载摄像头一般会采集司机的头部、脸部、眼睛、最主要的还是对驾驶员眼睛的信息进行采集。然后行车电脑会对采集的信息进行加工、处理、分析、判断。司机在驾车的清醒阶段, 眼睛睁开的大小程度基本上是没有变化的, 而在轻度疲劳驾驶阶段, 眼睛睁开的幅度会发生改变, 眼睛会变小。有时候眼睛处于半闭的状态。但是在中度和重度疲劳阶段, 司机很有可能会出现巧眼闭眼等情况, 甚至会出现闭眼几秒钟的严重情况。因此, 通过对司机眼睛的定位, 进而判断驾驶员是否存在眩眼的情况, 就可以辨别驾驶员是否处于疲劳驾驶的行为状态。

2.3 报警装置的设计

语音报警器装置使用8031单片机设计, 报警信号是通过高电平或低电平信号 (与汽车的ECU系统相连接) , 从外部输入的信号经过输入电路, 并通过8255并行接口送往8031处理。如果其中某一个参数超出限制, 相应该参数报警回路的低电平或者高电平相应的信号输入到8031单片机中, 通过驱动闪光电路使相应的指示灯发出闪烁现象, 并通过放音电路进行语音包报警。下图中EPROM[3]为单片机的程序存储器。另外语音报警器还具有三个功能按钮。

复位电路:通过8031单片机, 将预先设置好存在程序存储器中的程序读取, 然后通过并行接口分别输送到放音电路和闪光电路, 擦除所有使用过的报警和静音标志, 并重新设置语音报警器的参数设置。

静音电路:通过8031单片机, 将预先设置好存在程序存储器中的程序读取, 然后通过并行接口, 将读取的程序输送到放音电路, 此时, 报警声音停止, 只有灯的闪烁来提醒报警, 该电路只是灯光闪烁, 不出声音, 直至此电路报警解除。

检验电路:通过8031单片机, 将预先设置好存在程序存储器中的程序读取, 然后通过并行接口将读取出来的程序输送到每个电路的回路中, 用来检验每个电路的状况, 置便会自动检验灯光闪动并回放所有电路相应语音, 语音回放完毕以后该电路灯灭。

3、结论

在对比其他报警系统后得出该报警系统的优点明显, 易于普及并且效果显著, 功能全面的报警器的方案。并对其功能结构等方面组成进行分析和研讨, 得出其工作原理, 很好的解决了问题。

在这次设计中上, 形成了疲劳驾驶预警系统的整体设计方案。设计了司机防疲劳驾独系统, 介绍了每一个数据处理的与原理, 分析了系统的工作原理, 具有良好的实用价值。

本次报警系统, 可准确有效地检测到驾驶员的疲劳驾驶状态, 在研究了目前现有的报警系统后, 发现此系统有较高的精准性, 功能全面, 并最终得出了这种系统的优越性能。

摘要：疲劳驾驶是诱发交通事故的重要原因之一, 每年的交通事故中疲劳驾驶占重要的比重。为了减少因疲劳驾驶引起的特大恶性交通事故, 设计了一套预防驾驶员疲劳的自动报警系统, 利用摄像头对驾驶员的眼部区域和脸部图像信息进行采集, 并经过图像进行处理, 从而获取驾驶员疲劳状态并响应发出报警信号, 该系统很好的保证了其性能, 提高系统判定定的准确率。

关键词：疲劳驾驶,报警系统,系统的实现

参考文献

[1]韩相军.基于DSP的驾驶疲劳实时检测系统研究[D]北京首都师范大学.2006.

[2]梁路宏.等人脸检测研究综[J].述计算机学报.2002 25 (5) 449-458.

[3]刘德海.500号工厂电气设备.[D]大庆天然气公司, 1984.

[4]张毅刚, 彭喜源, 潭小购]CS一51单片机应用设计.哈尔滨工业大学出版社, 1997.

[5]毛喆机动车疲劳驾驶行为识别方法的研究[D].武汉:武汉理工大学.2009.

疲劳驾驶　贻害无穷 篇2

2000年12月23日，我从外省出车回来。晚上8点多的时候，汽车调度小王忽然打电话来，说生产部的几个领导要到工厂去检查夜班安全纪律，让我跑一趟。我当时挺累的，就用商量的口气问了句：“别的驾驶员不行吗?”小王有些不耐烦：“到厂里开车也就是个把小时的路程，你再辛苦一趟吧!”说完他就把电话挂了。

外面很冷。到了公司门口，领导们已经在等了。生产部经理老林很客气地朝我点了点头，说“小龚，今天辛苦你了。我们临时想到厂里去突击检查一下。”他这么一说，我心里舒服多了。一路上，大家有说有笑。我的车技大家伙都信任，25年驾龄了，别说大事故，平时连磕磕碰碰的都少有。

可是那天晚上也不知道怎么回事，我总有点心神不定。现在想来，那可能就是出事的前兆吧!车到中途要横穿马路才能从国道下去，然后再转上前往工厂的公路。我小心翼翼地掉转车头，确信前后都没有车子后，就加大了油门。然而，就在此刻，有一道异常刺眼的亮光忽然直向我逼来，我只觉得两眼一花，还没来得及作出任何反应，就晕了过去……

醒来的时候，我已经躺在床上。巨大的疼痛，让我意识到自己还活着。我急着问老林他们的情况，身边的人没有正面回答，说：你自己身体要紧，别东想西想的。”听了这句话，我知道一定是出了更严重的事!很快，我就知道了真相：老林因为坐在前排，伤势最重没抢救过来。另外两位领导也是重伤，其中一位到现在还没有返回岗位。

基于ARM的防疲劳驾驶检测系统 篇3

1 疲劳状态判断

疲劳状态的判定需要从两个方面考虑,一是通过眼睛的闭合程度来获得的驾驶员处于疲劳界限; 二是在规定时间内多次检测 所获得的 驾驶员处 于疲劳状 态时间的长短[4]。

在驾驶员处于疲劳界限的判断中,系统选择摄像头来采集驾驶员的脸部图像信息传递给主控芯片,由图像信息获取驾驶员眼睛闭合程度。先将摄像头采集到的驾驶员面部图像与眼部分类器做比较,然后在合适的区域提取眼部图像,进行灰度处理转换成灰度图,并对灰度图进行水平直方图计算,由此得到一个能描述驾驶员眼睛闭合状态的数值。通过PERCLOS算法处理检测信号并以此来判断驾驶员的疲劳状态[5]。疲劳状态的表征为0 ~ 1之间的数,1表示驾驶员的眼睛完全睁开,0表示驾驶员的眼睛完全闭合。当值小于0. 2时就表示驾驶员已经处于疲劳状态。针对如何确定驾驶员处于疲劳状态时间的长短,由研究结果得知,一般情况下人们眼睛闭合的时间在0. 2 ~ 0. 3 s之间,驾驶时若眼睛闭合时间达到0. 5 s就很容易发生交通事故。为排除驾驶员眨眼而造成的误检,在系统运行时每隔100 ms取一帧图像数据处理,若是连续5次都检测到驾驶员都处于疲劳状态时就可认为此事驾驶员正在疲劳驾驶。当以上两个因素同时出现时,则说明驾驶员处于疲劳状态,应立即开启声光报警信号。

2 系统硬件

系统的硬件组成包括5个部分,分别是: 主控芯片、电源电路、传感器电路、存储器电路和报警电路。系统基本原理框图如图1所示。

系统的主控芯片采用三星公司的S3C2440芯片,此款32位微处理器,其处理器是一个由Advanced RISC Machines公司设计的16 /32位的使用ARM920T内核的RISC处理器,能为手持移动设备和其他类型的应用设备提供低功耗、高性能的解决方案。采用专用的5 V稳压电源供电,输入AC 100 ~240 V,50 /60 Hz; 稳压输出5 V,2 A; 能满足系统的供电要求。5 V电源电路如图2所示。

图像采集传感器使用通用的USB摄像头,系统中使用的是一款HUAERTE摄像头,采集的图像分辨率为320 × 240,图像格式RGB24,图片压缩格式bmp,支持USB2. 0,数据传输速率最大可达246 Mbit/s。信号线连接于S3C2440的DNO和DP0两个引脚。USB摄像头与S3C2440的连接电路如图3所示。

存储电路包括SDRAM存储电路和FLASH存储系统电路。SDRAM存储电路采用2片32 Mbyte的SDRAM芯片K4S561632C-TC75作为系统内存,2片SDRAM芯片并接在一起形成32 bit的总线数据宽度; FLASH存储系统电路采用Nor FLASH芯片AM29LV160DB作为系统 的FLASH存储系统 。

系统采用声光报警电路,当检测到驾驶员正处于疲劳状态时,发出声光报警信号,驱动蜂鸣器和发光二极管使得蜂鸣器发出尖锐的响声,发光二极管闪烁,以此来警示驾驶员此刻正处于疲劳驾驶状态。声光报警电路如图4所示。

3 系统软件设计

系统程序是基于Open CV和C语言编写的,系统利用Open CV提供的大量的计算机视觉库函数来实现底层驱动,再由C语言完成系统的程序框架[6]。

3. 1PERCLOS 疲劳检测标准原理

PERCLOS是在一定时间内眼睛闭合时间所占的百分比。PERCLOS实验测量方法主要有EM,P70,P80 3种,分别表示眼睛的眼睑遮盖盖过瞳孔的面积超过50% 的时候所占的时间的百分比; 其中P80是被最为广泛接受的一种疲劳检测标准[7]。PERCLOS疲劳检测原理如图5所示。

在PERCLOS测量原理图中,t1表示眼睛从完全睁开到闭合到20% 的时间,t2表示眼睛从完全睁开到闭合到80%的时间,t3为眼睛从完全睁开到下一次睁开到20% 所用的时间,t4为眼睛从完全睁开到下一次睁开80% 所用的时间。通过测量t1,t2,t3,t4的值就可以很容易地求得疲劳系数,具体计算公式为

PERCLOS参数大于80% ,则就认定此刻驾驶员正处在疲劳状态。

3. 2疲劳检测程序设计

系统程序采用PERCLOS作为疲劳检测标准,计算所得的PERCLOS参数超过系统所设定的疲劳检测阈值时即断定驾驶员在疲劳状态。疲劳检测过程要求系统能实时处理摄像头采集到得驾驶员的面部图像,并迅速对处理结果做出相应的反应。因此对所使用的Open CV代码做相应的修改,在不改变原本函数功能的基础上力求做到代码最精简,执行效率最高,系统运行安全稳定。在设计中,系统从采集到处理完毕一帧图像数据所用时间小于100 ms,能满足实时检测的要求。疲劳检测程序流程图如6所示。

3. 3摄像头驱动设计

摄像头驱动程序函数函数封装到函数Cv Capture* cv Create Camera Capture( intindex) 中。当调用函数时,Open CV会自动打开函数参数( index) 指定的摄像头,并从摄像头中读取视频信息。如果摄像头初始化成功后捕获到了驾驶员的面部图像,函数就会返回一个指向已经初始化了的Cv Capture指针。如果摄像头初始 化不成功,该函数就 会返回一 个NULL指针。

当系统中同时安装了多个摄像头时,可以用identifier来指定系统所需要使用的摄像头,以便告知系统怎样与摄像机相交互。当系统中只有一个摄像机时,identifier要设为0。当系统调用cv Create Camera Capture ( int index) 函数时,要将identifier参数与摄像机捕捉常数送给cv Create Camera Capture( int index) 函数的参数index。系统使用一个摄像头,index参数为1。

3. 4分类器匹配程序设计

系统采用由Open CV提供的基于小波特性的类Haar级联分类器。它是在Viola-Jones分类器的基础上通过对角特性扩展而得来的,采用的是boosting分类器算法。Viola-Jones筛选式级分类器中的弱分类器是一多数情况下只有一层的决策树,该决策树以式( 2) 的形式进行决策

式中: f表示判断的特征值; v表示输入量; t表示判断的阈值; + 1和 - 1表示两个判断结果,当v大于设定的判断阈值时则输出 + 1,表示与分类器中的模板匹配,否则就表示不匹配。

训练时,Viola-Jones分类器在每个弱分类器中使用的1 ~ 3个特征,然后迭代建立一个由弱分类器加权相加而组成的强分类器。其建立原理如式( 3) 所示

如果加权和大于1,则返回1; 如果加权和等于0,则返回0; 如果加权和小于0,则返回 - 1。在分类器与所获取的图像进行模板计算时首先要导入分类器,然后将分类器与采集的图像做比较运算,得出匹配结果,最后释放分类器所占的内存。分类器的导入函数Cv Haar Classifier Cascade* cv Load HaarClassifier Cascade ( constchar * directory Cv Sizeorig _ window _size) ,其中directory表示分类器的储存路径,orig _ window _size表示被检测的目标尺寸。

3. 5疲劳检测程序设计

当检测到驾员的眼睛的闭合程度后,通过PERCLOS算法检测出驾驶员正处于疲劳驾驶状态时,就开启声光报警信号以警示驾驶员。疲劳检测过程如图7所示。

4 测试实验

4. 1获取图像

使用USB摄像头获取驾驶员的面部图像,面部图像为RGB模式下的图像,RGB模式下的面部图像如图8 ~ 图11所示,并将其转换为YCb Cr模式下的图像。

在RGB模式中除了颜色外还有亮度非常敏感,对于人眼来说不同亮度的相同颜色就意味着不同的颜色。当分析一幅人的脸部图像时,需从图像中去除亮度。在此使用被广泛应用的YCb Cr空间视频压缩标准。由于肤色主要取决于皮肤亮度,因此将YCb Cr颜色空间进行非线性变换,即可去除亮度。由RGB模式下的驾驶员的面部图像转换到YCb Cr模式下的图像如图12 ~ 图15所示。

4. 2眼部图片的提取

驾驶员的面部图像经过分类器比较运算后就可以判定驾驶员的眼部位置,然后在眼睛所在区域画出一矩形框,从矩形框中提取出驾驶员的面部图像。提取的眼部图像如图16 ~图19所示。

眼部图像提 取所使用 的函数主 要有: CvRect * r =( CvRect* ) cv Get Seq Elem ( eyes,i) ; cvRectangle ( img,pt1,pt2,colors[i%8],3,8,0 ) ; 利用函数cv Get Seq Elem查找指定序列中索引所指定的特定元素,调用完该函数后返回指向该元素的指针。如果指定的序列中只有一个块,或者所需查找的元素就在第一个块中,那么应当使用CV_GET_SEQ_ELEM。在使用时该宏首先核查所需的元素是否属于第一个块,若该元素属于第一个块,则返回该元素; 否则,该宏就调用主函数Get Seq Elem; 若元素索引为负数,继续调用cv Get Seq Elem函数。函数cvRectangle是在所指定的图像img上通过所指定的两点pt1和pt2作为对角线来绘制矩形框; colors表示矩形框的颜色,设计中选用红色; 参数“3”表示所画矩形框线条的宽度,参数“8”表示矩形框线条的类型,最后一个参数表示两个对角线点坐标精度。

4. 3灰度直方图计算

灰度直方图描述的是图像中所有像素点的灰度值的分布情况。由于驾驶员在疲劳驾驶的时候眼睛的闭合程度肯定会大于驾驶员在精神饱满时的闭合程度,因此疲劳时眼睑遮盖住黑眼球的面积就会变大,导致灰度值大的区域的像素点减少。因此,当图片大小相同时,计算大于某一域值的灰度值,在睁眼和闭眼的图像上就会出现两个不相同的数,而且睁眼的灰度图的值定会大于闭眼灰度图的计算值,由此就可以判断眼睛的闭合,如图20 ~ 图23所示。当通过PERCLOS算法检测出驾驶员正处于疲劳驾驶状态时,就开启声光报警信号以警示驾驶员。

5结论

防疲劳驾驶 篇4

关键词：驾驶座椅；驾驶疲劳；人机工程

1 驾驶疲劳成因

驾驶工作是一项脑力与体力并重的劳动，具有耗时长、能量消耗不大的特点。对于驾驶员来说，疲劳是以神经系统相当紧张的劳动而引起的复合性疲劳为主，主要表象为全身乏力。当疲劳达到一定程度以后，驾驶员的意志减弱，注意力分散，反应迟钝，对信息输入方向性的选择能力降低，信息处理缓慢，信息输出形式混乱，动作缺乏准确性，甚至出现失误，难以确保交通安全。

2 驾驶座椅对疲劳的影响分析

驾驶座椅对人体的刺激主要是肤觉刺激，驾驶员只是被动接收和反应，不需要进行处理。其对驾驶疲劳的影响分析如下：

2.1 坐姿

2.1.1 对脊椎及肌肉活动的影响

对坐姿的分析主要是腰柱椎间盘的受力情况及竖直肌的肌腱活动。由于椎骨的定位是借助于肌腱的作用，一旦脊椎偏离自然状态，肌腱组织就会受到相互压力（拉或压）的作用，使肌肉活动度增加，招致疲劳酸痛。

2.1.2 体压分布

人体与座椅之间的压力分布称为坐姿的体压分布，坐姿的体压分布是影响乘坐舒适性的重要因素。人就坐时，身体重量的大部分（约80%）经过臀部、背部隆起部分及其附着的肌肉压在坐椅面上。图1为座椅各部位的受力分布。

2.2 振动

振动对驾驶员的直接影响涉及躯干和身体局部的生物动态反应行为、生理反应、性能减退和敏感度障碍。表1列出了人体各个主要部位的共振频率[2，3]

人体在振动环境中会加速疲劳过程。当振动环境中的振动特性处于人体神经系统的敏感区域时，这种刺激频繁传入大脑皮质，引起大脑皮质细胞兴奋。当达到一定限度时，皮质细胞的工作强度将减弱，人就会感到疲劳，工作效率明显下降。

3.3 温湿度

研究表明，驾驶员在驾驶状态下的舒适温度为18℃～23℃，舒适湿度为40%～60%，代谢量为1.0～2.0met。座椅对人体热环境的主要影响因素有：座椅表面的温度和湿度。座椅表面的温湿度特性将影响人体背部、臀部、下体等部位的散热性能及皮肤的呼吸功能，当其温湿度特性与人体生理机能不适应时将引起人体局部不快感，从而加速人体疲劳的形成。

4 座椅的人机工程设计

根据以上分析，驾驶员长期保持坐姿工作，疲劳很大程度上受座椅影响，乘坐舒适性是汽车座椅系统设计开发中的重要问题。乘坐舒适性包括静态舒适性和动态舒适性，前者主要与尺寸参数、表面质量、调节特性等有关，后者则主要与振动特性有关。

4.1 座椅的静态舒适性设计

座椅的静态舒适性设计须考虑的因素很多，可以概括为以下基本原则：

（1）座椅的形式和尺度与其功用有关；

（2）座椅的尺度必须参照人体测量学数据确定；

（3）座椅可适当调节，以满足坐姿变换；

（4）座椅所使用的材料应适应人体的舒适性；

由坐姿生物力学分析，最舒适的坐姿是臀部稍离靠背向前移，使上体略向上后倾斜，保持上体与大腿间角在90°～115°。同时，小腿向前伸，大腿与小腿、小腿与脚掌之间也应达到一定角度，如

由于汽车驾驶的特点，在驾驶座椅设计时还应考虑座椅与空间的协调问题，驾驶空间以坐姿活动空间为依据。图6列出了驾驶作业空间设计的主要指标[6]。

4.2 座椅的动态舒适性设计

驾驶用座椅动态舒适性主要与振动特性有关。影响驾驶疲劳的振动主要是行驶中因道路凹凸不平而引起车辆随机振动和车辆本身的机械振动。驾驶员受到纵向、横向及垂直方向的直线振动，以及绕这3个方向的角振动。其中垂直振动和绕纵、横坐标轴的角振动对人体的影响较大。在设计汽车座椅时应尽量隔离人体敏感的振动。

在座椅设计中可采取如下措施[7]：减小座椅共振频率，降低对人体最有影响的高频区；降低共振时的振动传递率；降低乘员10Hz附近的振动传递率，以减轻弹簧以下的共振的影响和减少来自座椅靠背的高频振动；把路面—轮胎、悬架、座椅—人三者看作一个整体大动力学系统，寻求在各种路面随机输入情况下使乘员不易疲劳的最优结构。另外，对于座椅的动态特性按照传入人体的能量最小、使人体在敏感频率区域动态响应最小、传给人体的加速度均方根值最小等目标进行优化[3]，与汽车的其他减振系统相匹配，使人体处于更合适的振动环境，这些都是减轻驾驶疲劳的重要措施。

5 结束语

汽车驾驶座椅的舒适性研究，是目前汽车产品人机工程设计中值得深入探讨的问题，在今后的研究中，应对以下几方面加以重视：

（1）中国人的体群反映特性研究。目前，我国的评价标准是建立在国际标准的基础上的。由于人群存在着差异，建立中国人的人体模型，尤其是动态模型，研究人体承受多方向振动情况下的反映及评价方法是十分迫切的。

（2）采用系统的设计思想和研究方法。一般研究方法只是把汽车地板以上的座椅系统作为研究对象，并未考虑到人体的动态性能，建立的座椅模型较为简单，不能准确地反映实际。因此建立一个详尽的、操作性强的分析方法有着非常重要的现实意义。

参考文献：

[1]周美玉.工业设计应用人类工程学[M].北京：中国轻工业出版社，2001.

[2]袁修干，庄达民.人机工程[M].北京：北京航空航天大学出版社，2002.

[3]黄斌，蒋祖华，严隽琪.汽车座椅系统动态舒适性的研究综述[J].汽车科技，2001，10（6）：13-16.

[4]郭伏，杨学涵.人因工程学[M].沈阳：东北大学出版社，2001.

[5]Gault T.Case study：Mercedes-bezs-class[J].Automotive.Engineer，1999，24（1）：46-57.

[6]Tilly AR.人体工程学图解———设计中的人体因素[M].朱涛译.北京：中国建筑工业出版社，1998.

防疲劳驾驶 篇5

1疲劳驾驶和脑电波的概念

疲劳驾驶是驾驶员在车辆行驶过程中由于长时间处于高度警觉或紧张的状态而出现的困倦瞌睡、驾驶技能下降的现象。疲劳驾驶是由驾驶环境和驾驶员两方面的原因导致的, 驾驶环境因素又分为天气因素、交通状况、车况等, 驾驶员自身因素分为睡眠不足、长时间驾驶、药物诱因等。疲劳驾驶会导致驾驶员反应时间延长、操控能力下降、判断失误增多等, 威胁驾驶安全。

疲劳驾驶预警系统是判断驾驶员是否进入疲劳状态并发出警示的装置。显然, 疲劳驾驶预警系统有监测和报警两个基本功能。当系统监测到驾驶员的脑电波幅值高于一定值而频率低于一定值时, 认为驾驶员进入疲劳状态, 并发出语音、振动, 提示驾驶员已发生驾驶疲劳, 提示或强制驾驶员进入休息状态。目前, 一些著名的汽车生产厂家已经在其产品上安装了疲劳驾驶预警系统。

2疲劳驾驶时脑电信号的采集和处理

研究表明, 脑电信号的幅值一般在50到100之间, 有较强的背景噪声, 属于弱信号, 容易受到外界其它信号的干扰, 使脑电波测量变得比较困难, 故在信号放大电路中采用高输入阻抗、高共模抑制比的前置输入级, 并使用低通滤波器滤除高频波的干扰, 再经过信号放大得到容易检测的大约为2v的信号。

由于脑电波信号具有以上特征, 本文采用功率谱来研究驾驶员脑电波的变化特征。通过采集驾驶员的脑电波信号, 计算出驾驶员脑电波的功率谱密度, 将正常、清醒、疲劳、瞌睡等不同生理状态下功率谱密度曲线进行比较, 获得脑电波功率与驾驶员生理状态之间的对应关系。

为了提高计算的精度, 本研究采用频域分析的方法处理脑电信号。通过快速傅里叶变换将传感器采集到的时域脑电信号转化为频域信号, 分别进行功率绝对值谱分析、功率占总功率比分析、不同波段功率比分析和不同波段功率总和比分析, 通过比较发现不同波段功率综合比分析区分驾驶员生理状态的效果最明显, 故本研究采用该种功率谱分析的方法。然后, 算出各波段的功率值, 最后与临界值进行比较, 判断出驾驶员是否处于疲劳驾驶状态。

3基于脑电波的疲劳驾驶监测系统

3.1介绍基于脑电波的疲劳驾驶监测系统的组成和工作原理。

疲劳驾驶预警系统由带电极的便携头套、报警装置、硬件部分和软件部分等组成。驾驶员戴上便携头套, 便携头套上的电极检测驾驶员的脑电波信号, 系统硬件部分完成信号的采集, 软件通过信号处理得到驾驶员脑电波信号的幅值和频率等信息, 判断驾驶员是否疲劳驾驶。如果系统监测到疲劳驾驶, 系统将该信息通过通信系统反馈给汽车中控台, 中控台唤醒报警装置提示驾驶员已疲劳驾驶, 并开启汽车危险报警闪光灯向其它车辆发出提示, 以保证车辆运行安全。

3.2介绍基于脑电波的疲劳驾驶监测系统的硬件部分。

疲劳驾驶预警系统采用物联网技术, 控制板采用三星S3C6410核心板。传感器包括MQ3酒精传感器、脑波带疲劳检测传感器、胎压检测模块、人体红外线感应模块、PM2.5气体检测模块、DHT11温湿度检测模块。通过GSM短信触发模块和RT73型Wifi模块实现系统各部分的通信, 超声波模块用来完成本车与其它车辆之间距离的测量, 指纹识别模块用来采集驾驶员的指纹信息, 传感器采集驾驶员的脑电波信号及外界变量, 并将数据传输给控制主板, 主板接收到数据信号后经过处理判断做出反应, 并在友好的人机交互界面将数据等信息显示出来, 提示驾驶员是否进入了疲劳驾驶状态, 让驾驶员根据实际情况作出相应的调整, 避免交通事故的发生。

3.3基于脑电波的疲劳驾驶监测系统的软件部分。

由于系统需要实现友好的人机交互, 故采用android软件平台来编写系统软件。设计软件程序控制传感器采集信号和控制板处理信号, 采用android系统能方便的设计人机交互界面的文字和按钮, 驾驶员能够方便地给控制系统发出命令, 汽车也能够形象生动的把信息反馈给驾驶员。

4结语

基于脑电波的驾驶员疲劳驾驶监测技术是一种新型的汽车安全预警技术, 通过检测脑电波能精确、可靠的监测疲劳驾驶。本文在介绍疲劳驾驶和脑电波概念的技术上, 概括性的介绍了基于脑电波的疲劳驾驶监测系统, 为驾驶员疲劳驾驶监测技术的进一步研究奠定了基础。

参考文献

[1]殷艳红.基于脑电波与眨眼的驾驶员疲劳模拟实验研究[D].同济大学, 2008.

[2]于晓东.基于驾驶人生理指标的驾驶疲劳量化方法研究[D].吉林大学, 2015.

[3]孙显彬, 唐洪伟, 文妍.疲劳驾驶预警系统的研究现状和发展趋势[J].青岛理工大学学报, 2007, 03:91-94.

防疲劳驾驶 篇6

关键词：车载驾驶员,疲劳驾驶,疲劳分级,分级控制,自动智能紧急控制停车

0 引言

据世界卫生组织2008年研究报告[1], 每年全球死亡人数中2.2%是道路交通事故导致的, 文献[2]提出交通事故中57%的灾难性事故与驾驶员疲劳驾驶有关。1965年美国俄克拉荷马州收费公路局统计数据表明48%的交通事故归结于疲劳驾驶[3], 英国交通部实验室[4]发现疲劳驾驶导致的道路交通事故占全部交通事故的10%, 由此可见, 驾驶人疲劳是导致道路交通事故的重要原因之一。驾驶员产生疲劳后, 生理机能、辨识和控制能力下降, 驾驶动作可靠性大大降低, 严重影响到安全驾驶。本文基于对驾驶过程中驾驶员疲劳状态实时监测数据, 依据疲劳危险阀值对驾驶疲劳程度进行分级, 对不同级别的疲劳驾驶行为设计其对应的安全控制措施, 以构建对疲劳驾驶的"疲劳分级-分级预警-分级控制"综合控制模式, 为预防和控制驾驶员强行疲劳驾驶而导致的交通事故提供新思路与技术。劳级别, 针对不同的疲劳级别发出不同的警报信号, 考虑到驾驶员疲劳状态下可能对各种物理刺激没有正确和及时的反应, 当声光报警和物理刺激失效时启动紧急自动驾驶系统, 基于车载路况识别系统, 切断疲劳驾驶员对车的控制, 转入自动地形匹配驾驶和紧急靠边停止运行模式, 强制车辆选择合理时机和路线从行车道转到路边 (备用车道) , 然后采取断油和自动刹车制动措施, 以实现对疲劳驾驶的安全控制。为实现这个目标, 首先必须对疲劳的程度进行分级, 依照疲劳程度逐级采取声光警报、物理刺激和自动紧急智能停车响应措施, 系统基本原理如图1所示。

1 系统原理

对驾驶员的疲劳状况进行检测和判断, 得到疲

2 预警与控制系统设计

2.1 疲劳分级

疲劳驾驶是指驾驶员每天驾驶车辆超过8个小时, 从事公路运输的驾驶人连续驾驶车辆超过3个小时;或者从事其他劳动, 体力消耗过大;或者睡眠不足, 以致行车中反应水平下降, 注意分散, 打瞌睡, 驾驶操作失误或完全丧失驾驶能力[5], 驾驶员疲劳可分成生理疲劳 (身体的变化, 主要指肌肉和神经的疲劳) 和心理疲劳 (心理反应机能的下降) 。

Hattori[6]将驾驶员疲劳程度分成三种水平: (1) 清醒阶段, 基本没有疲劳; (2) 有一点疲劳阶段, 驾驶员感到非常困, 注意力降低, 眼光随意飘动, 汽车速度保持恒定不变; (3) 高度疲劳阶段, 驾驶员意识水平非常低, 眨眼也急剧减少, 驾驶操作显得更加不慌不忙, 但对汽车的控制极其困难, 出现“之了”字型驾车, 所驾驶汽车往往会横过道路的中线, 甚至会冲出路面。疲劳驾驶所产生的交通事故往往比较严重, 典型的表现是:正面相撞, 汽车冲出路面, 碰撞前没有紧急刹车的痕迹。可见疲劳状态下, 驾驶员不能及时应对瞬间出现的意外情况。疲劳驾驶的监测方法比较成熟[7], 可通过检测驾驶员生理参数、面部特征、头部特征、方向盘及车辆行使特征来实现, 也开发出了比较成熟的检测仪器, 如日本先锋公司的心跳速度检测仪[8], 澳大利亚的头部位置检测仪[9], 美国Ellison Research Labs实验室研制的DAS2000型路面警告系统[10], 美国Volvo汽车的驾驶员警示系统[11], 以及Seeing Machines公司开发的Face LAB系统[12], 卡内基梅隆大学开发的Copilot系统[13]等等。关于疲劳分级, 美国联邦公路管理局提出了目前公认为最有效的、车载的、实时的驾驶疲劳测评方法———PERCLO (Percentage of Eyelid Closure Over the Pupil Over Time) [14], 该方法将疲劳分为三个级别: (1) 一级疲劳 (一般疲劳) :40%≤f≤50%且T﹥3s (T为眼睛累计闭合时间) ; (2) 二级疲劳 (中度疲劳) :50%﹤f≤70%且T﹥3s; (3) 三级疲劳 (过度疲劳) :f﹥70%且T﹥3s。

基于文献[15]所提出的人眼监测方法, 提出疲劳分级技术, 如图2所示。

2.2 分级预警

2.2.1 一级疲劳预警

一级疲劳状态下, 驾驶员虽然注意力不集中, 但是人比较清醒, 在这种情况下, 如若能发出声光报警信息, 则可引起驾驶员的警觉, 从而采取控制措施以降低危险性。关于报警信息的输出, 可采用WT588D模块[16], 该语音模块采用WT588D-20SS作为核心控制电路, 可进行音频加载[17], 该模块在报站器、报警器、闹钟、智能家电等各种自动控制场所得到广泛应用。

2.2.2 二级疲劳预警

二级疲劳状态下, 驾驶员注意力非常不集中, 人处于比较疲倦的状态, 对路况、安全标识的识别程度降低。为了提醒驾驶员处于危险状态, 应给出一定形式与频率的物理刺激, 如二级声光报警, 在座位上设计刺激点[18], 同时车辆危险警示灯开启。

2.2.3 三级疲劳预警

三级疲劳状态下, 驾驶员处于极度疲倦、甚至出现睡眠状态, 属于极度危险驾驶阶段。声光报警或刺激很难使其处于清醒状态而实现安全驾驶。此时应启动自动紧急智能停车, 车辆危险警示灯开启, 右转灯开启, 车辆减速。

2.3 分级控制

当疲劳监测预警系统发出一级预警后, 疲劳控制系统启动声光报警提醒驾驶员以消除疲劳, 反之转入二级预警;当疲劳监测预警系统发出二级预警, 疲劳控制系统启动直接的物理刺激措施以消除疲劳, 反之转入三级预警;当疲劳监测预警系统发出三级预警, 疲劳控制系统启动自动智能紧急停车措施。

2.3.1 自动智能紧急停车技术要求

为确保自动智能紧急安全停车, 应达到以下要求:

1) 保证车在紧急靠边过程中不与其右边、前方车辆发生碰撞, 也不能被后面的超车车辆所追尾, 因此其必须能对车的前后左右的车流环境实时监测, 并能测出后面车辆的速度;

2) 保证车在靠边停车的过程中不超出路基, 不碰撞到路边的行人和障碍物, 要求能对车右边的环境实现动态监测;

3) 实现短时间的自动驾驶, 要求一旦检测到疲劳驾驶达到三级疲劳状态, 或者一、二级响应对消除疲劳驾驶失败, 系统要能切断驾驶员对车的控制, 及时转入自动无人驾驶, 车、路和行车环境自动匹配, 即达到行车“地形自动匹配”的要求;

4) 紧急停车, 车在自动驾驶过程中要能选择适当的时机将车强制转入靠边 (右行) 模式, 并且根据路边情况, 选择靠边速度, 当车到达路边时要能实现自动刹车熄火, 确保安全靠边停车;

5) 警示信息, 车在进入自动驾驶和紧急靠边的过程中, 车是处于无人驾驶的状态, 为确保安全, 必须给车的周围环境发出相应的警告信息 (声光警报) , 提示周围环境的车辆和行人注意这一紧急停车情况, 避免误判超车引起事故。

2.3.2 自动智能紧急停车技术实现

1) 地形匹配技术

实现上述要求的关键在于系统是否能及时获取车辆行驶路面和周围路况环境动态信息。让系统获得如驾驶员眼睛一样的信息获取窗口 (智能电子眼) 是自动智能停车技术实现的关键, 目前主要应用高速动态摄像获取路况图像信息, 然后借助一定的图像处理软件, 对获得的每一张路况图像进行还原和补偿处理, 得到动态和真实的路面状况。可在车身的前后左右装设高速动态摄像器来动态获取车周围信息:在车尾部和车顶的中部各设一个摄像机以实现对后面车速和车距准确测量;在车身右侧的前部和后部各装设一个摄像机确定路边的车流量和车离路边的距离, 为车的紧急靠右停车提供障碍报警信息;在车身前部和左侧车身各设一个摄像机, 以获取车身的前方和左侧的路况、车况。

摄像机获取的图像处理是该系统的关键, 现在对图像处理技术, 主要是借助图像处理软件进行像点还原和误差补偿, 将图像还原为三维动态, 利用函数模型计算出车距和车速, 以实现图像的三维和动态还原, 为控制中心实现车路匹配奠定基础。而地形匹配技术较为成熟, 在船舶、导弹发射、航空及运输等方面得到了广泛应用:徐友春[19]对智能车辆机器视觉发展进行了综述;杨东凯[20]在分析基于面向弧线数据结构的地形匹配方法基础上, 结合距离、方向和连通性要素给出了地图匹配可信度的定义, 并对地图匹配的流程进行了分析和仿真。可见, 可结合机器视觉技术和地形匹配技术在其他领域的成功经验来进一步发展车辆地形匹配技术。

2) 智能控制 (信息处理CPU) 单元

基于地形匹配技术可实现路况的虚拟获取, 将相关路况信息输入控制中心 (即智能控制中心) , 该中心的核心硬件为微机处理器 (CPU单片机) , 其运行的控制命令, 则为根据实际情况写的控制软件, 它能将摄像机获取的图像信息进行还原和补偿处理, 然后把处理的结果输入智能控制中心, 中心对图像进行识别和判断, 以准确的读出车周围的路况、车况, 然后结合车本身行驶参数, 给出车紧急靠边停车的指令, 包括靠右行驶时机、行车路线、行车速度、刹车启动以及刹车最大距离等参数的确定, 真正实现车路匹配。

3) 自动驾驶和停车控制

当疲劳检测系统发现驾驶员进入深度疲劳, 系统首先切断驾驶员对车的控制途径, 即实现方向盘、刹车和油门对驾驶员物理操作的自锁, 这可由串连在方向控制、刹车和油路系统上断路继电器来实现, 问题就是当智能控制中心发出电磁信号, 切断方向控制、刹车和油路系统后, 车就处于无人控制状态, 必须马上进入自动驾驶状态, 然后尽快实现智能紧急靠边停车安全程序, 有如下两种控制途径:

(1) 自动智能驾驶和选择模式, 该模式要求自动控制中心功能强大, 要实现完全的智能驾驶, 即车完全依靠路况匹配子系统和控制中心实现对车的控制, 包括路径、速度和紧急状况下的全自动和智能处理;

(2) 半智能模式, 该模式在由两个阶段完成, 首先, 当控制中心切断驾驶员对车人工控制后, 立即启动系统短时间的自动控制模式, 系统限制方向盘左转, 保持车以现有的速度和方向直线行驶 (20s内) ;其次, 限制方向盘左转幅度及车速, 当自动控制中心根据路况选择好靠右紧急停车指令时, 然后转入右转行使模式, 当车离开行驶道或达到路边, 然后启动自动刹车系统, 并切断油路, 进行紧急停车模式, 直到车安全停在路边或应急车道;若系统识别出失控车辆当时正处于左转车道上行驶状态, 系统先自动控制车辆保持左转行驶状态, 待完成左转行驶后, 再执行右转模式自动靠右路边或应急车道自动停车程序。

从技术上看, 半智能模式比较容易实现, 基于以上分析, 提出自动智能紧急控制停车系统的工作原理, 如图3所示。在如何实现车辆智能控制问题上, 吴建平[21]利用红外反射式传感器实现小车自动寻迹导航;白傑[22]构建了智能驾驶控制系统功能开发应用技术平台:以单独雷达或双眼摄像头作为环境传感器, 提出了一些基本驾驶控制策略;付菊芳[23]提出了国外的自动停车技术, 由此可见, 在现有技术上进行功能整合与集成, 即可实现自动智能紧急控制停车功能。

2.3.3 自动智能紧急控制停车系统的硬件组成

根据以上对自动智能紧急控制停车系统的功能和原理的分析, 提出其硬件组成系统:

1) 图象 (路况、车况和环境) 采集部分:6个高性能高速摄象机和电缆等;

2) 图象处理部分:图象高速动态处理器和软件;

3) 自动控制中心;控制微机 (微型单片机CPU) 及各种外设;

4) 紧急靠边停车控制部分:各种传感器、继电器和控制器等;

5) 辅助警示部分:主要警示灯光、音响 (语音) 设备灯。

3 结论

1) 疲劳驾驶是影响车辆安全驾驶的最大隐患, 为减少疲劳驾驶, 可设计实时监测疲劳驾驶系统, 以实现疲劳分级-分级预警-分级控制。

2) 提出预防疲劳驾驶的原理, 即采用相关软件进行疲劳识别, 根据识别信息进行分级预警, 然后根据所判断疲劳等级, 进行分级控制。

3) 将疲劳驾驶状态分为一级疲劳驾驶、二级疲劳驾驶、三级疲劳驾驶三个级别, 采用已有疲劳监测技术进行实时监测, 并输出相关信息。

4) 根据疲劳驾驶分级情况, 提出应给出不同级别的预警信息, 一级疲劳驾驶-声光报警, 二级疲劳驾驶-物理刺激, 三级疲劳驾驶-自动智能紧急控制停车。

基于生理信号的疲劳驾驶研究 篇7

疲劳驾驶监测主要是通过对各疲劳特征参数值进行综合分析来判断驾驶员是否疲劳驾驶[1]。其中脑电信号变化能较好地反映人的疲劳程度、身体活动[2], 故疲劳驾驶检测中将脑电信号看做是疲劳的“金标准”[3]。

长时间行车中, 驾驶员逐渐表现出疲劳症状, 同时脉搏、呼吸、心率和脑电等生理信号也发生变化。通过采集驾驶员清醒、疲劳时的生理信息, 分析脉搏、呼吸、心率信号与脑电信号间的相关性, 得到脉搏、呼吸、心率与驾驶状态间的相关度。

1 生理信号参数提取

疲劳驾驶属非法驾驶且较危险, 开展实际环境下疲劳驾驶具有很大的危险性。而室内模拟驾驶与实车驾驶之间存在良好的一致性, 可采用室内模拟驾驶实验。

使用Pulse Sensor光电反射式脉搏传感器、HXB-2型压电式呼吸传感器、Polar RS800CX运动心率表采集驾驶员的脉搏、呼吸和心率信号。单调路况下, 驾驶员30 min内出现疲劳特征[4], 实验时间120 min, 实时监测并记录驾驶员生理信号。

采集的信号量大且杂, 需必要的处理。环境对脑电信号影响较大, 对脑电信号以带通滤波处理, 并对数据归一化, 最后以小波变换提取脑电信号特征;呼吸信号采集中, 存在基线漂移、噪声、工频等干扰, 对呼吸信号先滤波, 再数据归一化, 最后以小波变换提取呼吸信号特征;脉搏信号较弱, 易受工频、高频影响, 且身体移动易引起基线漂移, 同时脉搏波具有变异性, 故对脉搏信号先滤波, 再放大, 并将脉压转为电压信号, 最后以小波变换提取脉搏信号特征;对心率先滤波再归一化, 最后以小波变换提取特征。

2 生理信号相关性分析

1) 脉搏与脑电。对清醒、疲劳状态下的脉搏和脑电信号, 按相关性式 (1) 进行分析, 结果如图1、图2。分析知, 清醒时脉搏与脑电的相关系数r=0.6973, 疲劳时的脉搏与脑电相关系数r=0.5173。相关系数计算公式为

2) 呼吸与脑电。呼吸为频域信号, 将脑电信号通过傅里叶变换为频域信号, 再以式 (1) 对两者进行相关性分析, 结果如图3、图4。分析知, 清醒时呼吸与脑电相关系数r=0.6653, 疲劳时呼吸与脑电相关系数r=0.4186。

3) 心率与脑电。将清醒、疲劳状态下的心率和脑电信号按式 (1) 进行相关性分析, 结果如图5、图6。分析知, 清醒时心率和脑电相关系数r=0.3678, 疲劳时心率和脑电的相关系数为r=0.6645。

综合以上分析, 生理信号间相关系数见表1。

相关系数越小, 相关性越弱, 系数越大, 相关性越强[5], 相关等级如表2 所示。

分析知, 清醒、疲劳状态, 脉搏、呼吸、心率与脑电信号均在中度相关以上。脑电信号是疲劳判定的金标准, 故脉搏、呼吸和心率信号可作为评定驾驶员疲劳程度的特征。

3 结语

通过采集驾驶员清醒、疲劳时的生理信息, 以脑电信号为基准, 分析并确定了脉搏、呼吸、心率与脑电信号间的相关度, 为疲劳驾驶监测提供了检测依据。

参考文献

[1]孙伟, 张小瑞, 唐慧强, 等.基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型[J].汽车工程, 2013 (3) :219-223.

[2]KAR S, BHAGAT M, ROUTRAY A.EEG signal analysis for the assessment and quantification of driver's fatigue[J].Transportation Research Part F:Traffic Psychology and Behaviour, 2010, 13 (5) :297-306.

[3]胡文东, 马进, 韩之强.飞行疲劳的预防和监测手段[J].中国临床康复, 2004, 8 (3) :542-543.

[4]GODLEY S T, TRIGGS T J, FILDES B N.Driving simulator validation for speed research[J].Accident Analysis and Prevention, 2002, 34 (5) :589-600.

防疲劳驾驶 篇8

关键词：驾驶疲劳,心率,心率变异,高原公路

近年来随着高原公路里程和汽车保有量的增加,高原公路交通事故也逐年增加。但国内外对于交通事故的研究主要集中在沙漠公路、高速公路和山区公路以及草原公路上,仅有姬生强等人就驾驶员特性与交通安全设施间的关系进行了研究,高原公路交通事故还没能得到应有的重视。据相关研究表明:高原地区主要道路上重特大交通事故多发,其发生与高原恶劣的环境和驾驶员因素相关性极大。受高原低氧环境的影响很容易使驾驶员产生驾驶疲劳以及不适感,主要表现为注意广度、注意转移、短时记忆、复杂思维判断力下降,导致驾驶员驾驶能力下降,严重影响到行车安全。由于高原低氧环境的影响,在高原地区连续长时间行驶极易出现驾驶疲劳,从而导致交通事故的发生。本文通过分析在帕米尔高原典型高原公路上驾驶员连续驾驶过程的生理信号,探究驾驶员在高原公路行车时出现生理疲劳状态的时间以及连续驾驶过程中驾驶员生理指标的变化规律。

1 试验方案设计

1.1 被试者及实验设备

因为高原地区自然环境及条件恶劣,很难进行大样本试验。为排除高原习服对实验结果的影响,被试者确定为初上高原、身体健康、无高原行车经历并具有2年以上驾龄的3名男性,并选取当地驾驶员一名与外地人员进行对比,驾驶人员信息见表1所示。

1.2 试验设备

试验设备包括:国产SUV机动车、奥地利公司生产的biofeedback 2000x-pert型生物反馈仪、车载充电器、笔记本电脑、手持GPS等。

表1 测试人员情况表

1.3 驾驶试验路段

试验路段选取314国道塔什库尔干县至红旗拉甫边防检查站哨所为约120km路段。该路段公路设计等级为3级,小汽车设计车速为80km/h。该路段具有典型的高原公路特征,道路两旁主体景观较为单一,道路平面线形以直线和大半径曲线为主,海拔上升较为均匀,道路的长度,宽度,车流量都满足实验要求。

1.4 试验流程

要求驾驶员在试验前1天保证充足睡眠,在试验之前24h内禁止饮酒,3h内禁止喝茶、咖啡。为保证试验数据的可比性,试验保证在每天相同的时间开始,单程需要2h,到达终点休息放松40min后进行返程试验。测试期间要求驾驶员将车速控制在60km/h左右,并在试验过程中记录超车会车等特殊交通状况的具体时间。实验开始前,先用生物反馈仪测量10min驾驶员的静态生理数据。

1.5 数据获取

心率变异性相关数据用生物反馈仪进行采集,连续实时采集驾驶员心电信号。通过自带的数据处理模块分析并输出被试者心率、时域以及心率变异性的频域指标。心率变异性是指逐次心跳RR间期不断波动的现象,表现了心率或心动周期变化程度。

2 指标选取

人体的心理生理指标是研究人体的状态以及疲劳程度的信号参数。在驾驶员疲劳评价指标中用的较多的有:脑电信号、肌电信号、心电信号等。考虑到其他信号在实地行车检测中,易对驾驶员造成干扰,不易获得驾驶试验过程中驾驶员的准确生理数据。本文选用可测试性强,且数据处理方法相对成熟的心电指标作为高原公路驾驶员的生理测评指标。其常用的分析指标有心率(HR)和心率变异性(HRV)。

心率指单位时间内心脏搏动的次数,常用单位次/min。心脏活动由自主神经(即植物神经)系统通过末梢对心血管功能实现调节。外界环境的变化会影响到心率,如遇到外界环境突变、精神紧张或者情绪发生改变时心率会加快;在休息或者睡眠状态下时心率会减慢。试验主要研究在高原公路行车时连续行车时间对驾驶员疲劳的影响,考虑到受测驾驶员的个体差异(如年龄,身体状况等)以及高原公路动态驾驶试验的特点。为更好地反映被试者心律的波动情况,可利用某时刻实际心率值H(t)减去静态测试时心率的平均值,得到心率在该时刻的波动值h(t),即

式中:h(t)表示心率在某时刻的波动量,次/min;H(t)表示被试者在某时间段的心率,次/min;表示被试者在静态测试时的平均心率,次/min。

有研究指出,人在不同状态下,心率的变化规律并不相同:人体在正常状态下心率波动最大;当处于临界状态下时心率波动最小几乎不变;处于疲劳状态时心率波动较为平缓且随时间的增加有降低的趋势。

心率变异性(HRV)指心率波动周期存在的微小变化程度。相关研究表明心率变异性能够有效反映脑力和体力疲劳状况,因而能够作为检测驾驶疲劳的重要指标。心率变异性的时域及频域指标主要有:

SDNN:24h内全部正常R-R间期的标准差,它反映24h内心率变异的总和。

LF:心率变异的低频成分,可以反映交感神经调节强度。

HF:心率变异的高频成分,可以反映副交感神经调节强度。

杨渝书等人在实验室中通过动态驾驶模拟实验采集分析了16名被试者90min模拟操作的心电信号,并对心电信号进行时域与频域分析。发现随着疲劳程度的加深,SDNN、LF、LF/HF明显上升,HF显著下降。指出心率变异性的时频域指标中SDNN、LF、HF、LF/HF这四项指标可用于对驾驶疲劳程度进行定量化的反映和评判。其中LF对驾驶疲劳程度的反映最敏感。李增勇等人指出随疲劳程度的加深,LF、LF/HF会显著升高。

本文对行车试验过程中被试者的平均心率,心率波动值、SDNN、LF、HF、LF/HF等指标进行处理,以初步分析在高原公路长时间驾驶过程中驾驶员生理指标的变化规律以及驾驶疲劳出现的时间。

3 数据处理

3.1 数据处理方法

本文在分析过程中仅对被测驾驶员在试验过程中疲劳感觉较为明显的上行过程进行分析。在数据处理之前应对数据的错误记录段进行剔除,然后用EXCEL对数据进行处理。心率指标用平均心率及心率波动值进行分析。计算出全体驾驶员整个驾驶试验过程中每2分钟的平均心率及相对于静态条件下的心率波动值,并绘制曲线图以反映连续驾驶过程中驾驶员心率的变化规律。根据心率分析结果,导出被试者呈现出疲劳的时间段内的心率变异性指标。分别计算每位被试者静态测试以及表现出疲劳时段内的SDNN、LF、HF以及LF/HF数据进行对比分析。

3.2 被试者心率分析

主要分析连续驾驶条件下驾驶员心率及心率波动随驾驶时间的变化规律以及分析出现变化的原因。通过excel计算被试者的平均心率以及心率波动的平均值,并绘制其随驾驶时间的变化的散点图,如图1、图2所示。

图1 心率随时间变化

图2 心率波动值随时间变化

由图1可以看出被试者平均心率随驾驶时间的增加初期有增加的趋势,在20min后整体下降趋势明显。可以说明随驾驶时间的增加,被试者平均心率表明驾驶员出现了疲劳状态。开始时驾驶员心率呈增长态势,原因是驾驶员开始驾驶时对路况及车况不够熟悉,精神较为紧张,导致心率加快,此外高原缺氧环境对驾驶员心率也有一定的影响。

由图2可以看出,从驾驶实验开始到70 min时,驾驶员心率波动值随驾驶时间的变化波动较为明显;70~80min驾驶员心率随驾驶时间的变化波动较为平缓几乎没有发生波动;且在80min后心率波动平缓且随驾驶时间的增加呈下降趋势。依据毛喆对不同精神状态下心率波动值变化规律的研究成果可知,被试者在70~80 min出现了疲劳状态。

3.3 被试者心率变异性分析

为了验证被试者是否在70~80 min出现了疲劳症状,对每位被试者在这一时段的心率变异性指标与静态条件下的心率变异性数据进行对比分析,如表2所示。根据数据作统计图表图3~图6,可以看出:被试者心率变异性时域及频域指标,在70~80min与静态条件下相比均发生了变化。其中,SDNN、LF、LF/HF的值均呈上升变化,HF的值呈下降变化。说明被试者在高原公路上连续驾驶70~80min时均表现出了不同程度的疲劳。

表2 上行过程驾驶员心率变异性时域及频域指标

图3 驾驶员试验前后SDNN变化

3.4 心率变异性与驾驶时间的关系

对驾驶员行驶过程中心率变异性时频域指标以1min为单位进行划分,并求各时间段的平均值,并对心率变异性时频域指标与驾驶时间做相关性分析,如表3所示。

图4 驾驶员试验前后LF变化

图5 驾驶员试验前后HF变化

图6 驾驶员试验前后LF/HF变化

表3 心率变异性时频域指标与时间的相关性分析

由表3中数据可知在高原公路驾驶过程中LF/HF和LF与时间的相关性较高且显著相关(显著性水平小于0.01),即LF/HF和LF对驾驶疲劳的敏感度较高,在今后的研究中可以将LF/HF和LF作为评价高原公路驾驶员疲劳的心率变异性指标。通过对比以相关性最高的比率指标LF/HF作为评价疲劳的指标。

驾驶员的LF/HF做单样本K-S检验,结果表明驾驶员心率变异性比率指标LF/HF呈正态分布(样本量N=120,双侧检验Z值为0.482,显著性概率P=0.978>0.05)。用驾驶员在20~30 min的心率变异性比率指标LF/HF作为参考值,来排除被试者在开始驾驶时适应阶段的心率变异性指标变化,其余以10min为时间间隔对LF/HF进行划分,将试验过程数据各时段与参考时段进行配对T检验,其检验结果见表4所示。

表4 驾驶员心率变异性比率指标LF/HF配对T检验结果

根据配对T检验分析结果可知,0~10 min差异性显著,这个时间段驾驶员刚开始进行驾驶作业需要一个适应阶段来适应高原环境的驾驶作业,因此表现出的显著性差异不是由疲劳引起的。在70min左右再次表现出了显著性差异,但在100min左右LF/HF没有表现出显著性差异,对比行车记录仪记录的试验视频资料,发现在这一时间段驾驶员所经路段线形变化较大,且有连续弯道,可能是道路环境的变化对驾驶员刺激较大所致。随着驾驶员行车时间的增加,差异性显著(P<0.05),驾驶员心率变异性比率指标的差异性逐渐增大。驾驶员在高原地区行车时,连续驾驶70min左右时出现疲劳症状,随着连续驾驶时间的增加驾驶员疲劳程度加深,并且驾驶员的疲劳会受到道路状况的影响,但是疲劳不会消失。随着连续驾驶时间的增加不断积累,致使驾驶员疲劳程度进一步加重。

4 结论

通过分析高原公路驾驶试验被试者生理信号检测数据,可以得到以下结论:

1)心率变异比率指标LF/HF对疲劳最敏感,适合作为评价高原公路驾驶疲劳的评价指标;

2)在高原公路上连续驾驶70~80min时,被试者疲劳生理指标显现,表现出疲劳症状,被试者心率波动较为平缓且随驾驶时间的增加,心率波动值呈下降趋势;

3)连续驾驶70~80min时,被试者心率变异性指标中SDNN、LF、LF/HF的值均增大,HF的值减小,表明被试者均出现了不同程度的疲劳,以LF/HF作为疲劳程度评价指标,外地被试者的疲劳程度较本地被试者更深,说明高原缺氧环境对外地初上高原驾驶员的影响较为明显,会使人体疲劳程度加深;

4)根据对LF/HF配对T检验结果表明,驾驶员在连续驾驶70min左右时会出现疲劳症状,并且随驾驶时间的增加疲劳不断累积,疲劳程度增大。此时驾驶员已经不适合继续驾车,应当停车适当休息放松,以保证行车安全。

防疲劳驾驶 篇9

【摘 要】自20世纪90年代以来道路安全问题备受关注，其中未使用安全带和疲劳驾驶是造成交通伤亡事故的两大主要原因。本文提出了安全带“防假戴”与疲劳驾驶检测法于一体的全新乘用车主动安全装置。该装置是视觉检测法和疲劳度量因子（即PERCLOS）检测法的综合运用，它是集安全带“假戴”监测系统、安全带预警系统、疲劳驾驶监测系统、疲劳驾驶缓解系统四大系统为一体的综合装置。它能很好的防止驾驶员安全带“假戴”与疲劳驾驶现象，达到减少交通事故率，促进道路交通的和谐发展的目的。

【关键词】安全带；预警；PERCLOS；疲劳驾驶；传感器；闪光灯

1.安全带假戴和防疲劳驾驶系统设计原理

1.1安全带智能预警部分

1.1.1工作原理。

现有安全带佩戴系统大都采用锁扣传感式检测法，汽车启动后成员不系安全带，提示系统就会发声警报，但无法预防以下三种安全带“假戴”行为（如图1所示）：

A.空座时系上安全带然后直接就坐，安全带被靠在身后的假佩戴行为。

B.未系安全带，直接将独立的卡扣插入卡槽行为。

C.靠着安全带，当发现有交通警察检查时将肩带跨在胸前，从而躲避交通警察的检查行为。

为了克服传统安全带的不足，该系统将推出基于视觉检测的方法，对传统安全带预警部分进行完善。我国安全带性能测试组织并未对安全带颜色进行明确规定，所以该系统将在不改变安全带性能的条件下，在安全带的制造材料里加入反光材质，并采用带有LED灯的补光的摄像机进行图样采集。这样提高了在夜晚或能见度低的情况下系统图形处理的可靠性。

同时考虑到LED光源对驾驶员的干扰，本视觉感应系统工作时间周期设定为8s，这样既可以避免长时间的照射影响驾驶员的驾驶又能避免因工作实践太短而造成的瞬间闪光现象导致图形处理单元工作的失败。

（1）视觉处理器工作流程

系统启动时首先摄像头开始，根据红外线检测特种反光材料捕捉安全带佩戴图像，然后发送至图像处理器，经数据处理单元对图像进行检测分析，得出处理结果，并发送给语音提醒系统，最后若驾驶员依旧保持不佩戴安全带状态，则警报发送至位于车顶的闪光灯，提醒周围车辆与该驾驶车辆保持一定距离。这样的安全带预警系统的设计即从驾驶员本身预防安全带漏戴现象，又从外部环境方面有了一个预防，从而减少了交通事故率。

（2）数据处理单元工作算法

1.1.2检测规则。

由摄像头提供原始图像后，由于安全带的本身反光材质和摄像头的的红外线LED补光，会使安全带部分灰度明显高于人体皮肤或是衣服部分，因此图像处理单元可以计算出图像中亮点的面积然后比上总的图形面积得到一个比值，而根据这个比值的结果与其他几种安全带假戴现象进行比较得出是否假戴的结果，传给提醒装置。

从表1中抽样统计结果中可得到结论，正确佩戴安全带的情况，亮点比率明显高于三种假戴情况且当亮点率在7.5%左右波动时可确定为规范佩戴安全带，于是得出结论标准亮点比率确定为7.5%。

1.1.3提醒装置的组成。

当接收到数据处理单元的“否”佩戴安全带的指示后，提醒装置激发，位于锁扣部位的语音提示器将开始工作，它将根据语音提示的方式对驾驶员进行提醒，知道其正确佩戴安全带为止。若驾驶员在10分钟之类依旧没有佩戴安全带，则打开位于车顶部的闪光灯对周围车辆进行预警。

1.2疲劳驾驶检测与预防部分

1.2.1摄像头与防疲劳驾驶原理。

一般情况下，产生疲劳的顺序是：眼睛、颈部、肩部、腰部，所以眼睛是反应驾驶疲劳的第一区域。在汽车启动时，位于驾驶员左前方的摄像头开始检测驾驶员的PECLOS（疲劳/瞌睡），当PECLOS大于70%或80%时，即可确定驾驶员在疲劳驾驶，进而系统开始进行语音提示，立即打开车辆进气口进行车内的通风换气，并激发位于驾驶员座椅中的震动装置来进一步提醒驾驶员注意集中注意；当驾驶员疲劳现象依然存在时，系统将会打开车外报警闪烁灯，提示附近车辆驾驶员和过往行人注意与该车保持安全距离，以此降低交通事故率。

（1）PERCLOS检测法简介[1]

PERCLOS（percentage of Eyelid Closure over the Pupil， over time.简称PERCLOS）是1998年Carnegie Mellon大学研究所研发的亮度疲劳/瞌睡的物理量，其定义为单位时间内（一般取一分钟或30s）眼睛闭合一定比例（70%或80%）所占的时间，满足系列下列时就发生了瞌睡：

（2）摄像头的工作流程

当汽车启动时，PCC摄像头开启，在检测并处理完毕安全带智能预警工作之后，开始计时驾驶员驾驶时间。当驾驶员达到驾驶时间时，根据视网膜对不同波长红外光反射能力的不同，根据不同波长所形成的图像差异定位视网膜，分析眼睛的大小和位置。根据眼睛区域的图像高度判断眼睛的闭睁，经数据处理单元对PECLOS的检测分析，得出处理结果，发送给驾驶员语音提示，并打开车辆进气口。若驾驶员仍然存在疲劳现象，则警报发送至车外了报警闪烁灯，提醒周围车辆及行人与该车保持安全距离。

（3）疲劳驾驶数据处理单元工作原理

当系统锁定驾驶员眼部后，开始测定驾驶员PERCLOS，即单位时间内（本文取40秒）眼睛闭合一定比例（70%或80%）所占的时间。PERCLOS的评定标准为：

：眼睑遮住瞳孔的面积超过70%就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。

：眼睑遮住瞳孔的面积超过80%就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。

EM：眼睑遮住瞳孔的面积超过一半就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。

1.3系统整体介绍

本摄像头与图片处理器系统主要是包括了两个作用过程：（1）检测驾驶员是否佩戴有安全带并且通过声音与警报灯进行警示提示驾驶员系好安全带；（2）检测驾驶人员是否处于疲劳状态，并且开启自动通风循环系统缓解驾驶员的疲劳。

当驾驶员上车关上车门并发动汽车时，安全带预警系统开始启动。位于驾驶员左上方摄像头开始进行图像采集，并将采集到的图片发送到图形处理器中，图片处理器中心通过采集到的安全带的灰度比、安全带与驾驶员所各占采集图形的比例的来判断出驾驶员是否已经正确的佩戴安全带。如果正确佩戴则解除警报；如果处理器判断出驾驶员没有正确佩戴好安全带，则预警装置开始启动，由来自安装在汽车音响内部处的语音处理器开始进行语音播报：“请驾驶员和乘客朋友系好安全带。”与此同时，安装在汽车车顶的及时报警灯开始闪烁红灯。等到汽车超过20Km/h时，语音播报自动关闭，汽车报警灯仍旧不断闪烁，直至驾驶员与乘客完全系好安全带。

在车辆正常行驶过程中，位于驾驶员前方的摄像头开始持续地对驾驶员的眼睛进行拍照，并且实时将采集到的图片传输到图片处理器中心。当图片处理器通过驾驶员眼睛闭合程度来判断驾驶员是否处于疲劳驾驶。当检测到驾驶员处于疲劳驾驶状态时，开启车内空气中CO2浓度检测，如果超标（CO2浓度与人体呼吸反应关系表如表二所示），则自动开启车内空气循环系统，将车内的空气中的CO2浓度降低，并且适当提高空气中氧气的浓度，以达到清醒头脑、消除驾驶员的疲劳的目的；在进行了空气内循环之后，再次检测驾驶员的眼睛，并且进行分析，如若不达标，则再次进行空气内循环。若驾驶员仍处于疲劳状态，则并且开启语音提示：“您已经处于疲劳驾驶，请停车休息。”并且车顶的报警装置闪耀黄灯，提醒该车附近的车辆的驾驶员注意该车行驶。

参考文献：

[1]吴雅萱，李文书，施国生，周涛.疲劳驾驶检测技术研究综述[J].交通运输工程学报，2009，9（5）：121-126.

[2]傅天宇，冯国红，张猛猛，胡林定等.防疲劳驾驶系统的设定[D].东北：东北林业大学，2014：3-10.

[3]吴德旭.中国乘用车安全带提醒装置研究[J].交通运输工程学报，2006，8（6）：8-20.

[4]魏培敏等.中国安全带提醒控制系统[D].海南：海南天海电器集团公司，2003：12-35.

[5]徐远新，施雯.一种驾驶员是否真正佩戴安全带自动取证系统[D].西安：长安大学，2014：3-10.

[6]赵航.定量评价车辆安全性势在必行[J].世界汽车，2005，10（9）：66-67.

[7].刘秀，王长君，何庆.疲劳驾驶交通事故的特点分析与预防[J].中国安全生产科学技术，2008，4（1）：128-131.

[8].HAMELIN P.Lorry drivers time habits in work and their involvement in traffic accidents[J].Ergonomics，1987，30（9）：1323-1333.

[9]黄世霖，张金换，王晓冬.汽车碰撞与安全[M].北京，清华大学出版社，1999：12-28.

疲劳驾驶报警系统设计及制作 篇10

近年来, 机动车数量急剧增加, 交通事故频发, 给人们造成巨大的精神伤害和财产损失, 交通事故已被列为社会一大危害。在交通事故的众多诱发因素中, 驾驶员的人为因素占有很大的比重, 尤其是疲劳驾驶。如何有效减少交通事故的发生, 是现代社会必须面对和解决的课题。

车内驾驶员疲劳监测技术, 本质上是在行驶过程中捕捉并分析驾驶员的生物行为信息, 比如眼睛、脸部、心脏、脑电活动等, 然而心跳活动和脑电监测由于受接触的限制, 目前没有在车内批量应用。当前比较流行的疲劳检测手段是驾驶员驾车行为分析, 即通过记录和解析驾驶员转动方向盘、踩刹车等行为特征, 判别驾驶员是否疲劳, 但这种方式受驾驶员驾驶习惯影响极大。另一大类别的检测方法是通过图像分析手段, 对驾驶员脸部与眼睛特征进行疲劳评估。这一方法正渐渐被整车厂商接受并采用。目前, 一些高端品牌汽车上配有疲劳检测和报警系统, 如奔驰、沃而沃、丰田13代皇冠等, 均有疲劳检测和分析系统。

2 疲劳驾驶报警系统设计思路

目前已有采用物联网技术检测驾驶员精神状况的系统, 融合多姿态人脸检测方法, 基于生物特征的头部姿态估计方法, 通过视觉传感器对人的眼睑、眼球的几何特征和动作特征、眼睛的凝视角度及其动态变化、头部位置和方向的变化等进行实时检测和测量, 建立驾驶人眼部头部特征与疲劳状态的关系模型, 研究疲劳状态的多参量综合描述方法, 同时研究多元信息的快速融合方法, 提高疲劳检测的可靠性和准确性, 从而研制稳定可靠的驾驶员疲劳监测系统。它检测的方法很多, 比如人脸快速检测方法、疲劳程度检测方法、疲劳驾驶问题检测方法等。

疲劳驾驶报警系统工作流程如图1所示:

疲劳检测系统主要是通过测量眼睛的开闭、眼睛的运动和眼睛的生理学表现形态来研究机动车驾驶员疲劳问题, 这种方法的前提条件是眼睛的生理学表现形态能够充分提供机动车驾驶员的警觉状态的信息, 眼睛的视觉表现行为能够被测量。美国联邦公路管理局在技术论坛上首先提出把PERCLOS (单位时间内眼睛闭合时间所占的百分率) 作为预测机动车驾驶员驾驶疲劳的可行方法, 并推荐PERCLOS作为未来驾驶疲劳检测的最好方法。

3 软硬件设计

参考已有资料, 在硬件方面, 选取以TMS320DM642芯片为核心的各模块芯片, 包括:TMS320DM642芯片、红外光源部分、CCD摄像头、视频采集电路、动态存储器 (SDRAM) 、闪速存储器 (FLASH) 、JTAG仿真接口、电压转换芯片、蜂鸣器预警电路。如图2所示:

利用亮瞳效应, 选取差分图像的方法快速定位人眼, 这部分的图像处理通过MATLAB进行仿真。在完成图像处理的各个环节后, 提取PERCLOS和眨眼频度作为疲劳参数判断疲劳状态。通过差分帧图像快速、准确定位人眼, 然后进行疲劳参数提取和疲劳状态判定。

4 分析调试

图像处理部分包括人眼的定位和人眼状态的识别, 是本设计的核心。人眼定位通过MATLAB软件仿真图像处理, 如图3所示。主要实现程序如下:

在提取疲劳参数前, 需要先构建眼睛模型。标准模型如图4所示, 包括眼白和眼球, 上下眼睑的高度h即眼睛高度, 眼睛睁开程度和眨眼频率都可以通过h来衡量。

在用MATLAB进行仿真时, 根据上节眼睛定位时获得的瞳孔区域的连通区域, 求出包含该区域的最小矩形, 即可认为该矩形的高就是眼睛睁开高度h, 仿真结果如图5所示:

该方法虽然能快速获得眼睛睁开高度, 但是误差较大。因此放弃该方法, 选择应用统计的方法计算上下眼脸的高度h, 具体过程如下:图像经过二值化处理后, 统计图像中每一列黑点像素的个数, 选出黑点像素数量最多的一列, 该列黑点像素的个数就是眼睛的睁开高度h, 单位为像素。

PERCLOS (Percentage of Eyelid Closure Over the Pupil Over Time) 是指眼睛闭合时间占某一特定时间的百分比。PERCLOS是公认的疲劳检测指标, 国内外很多研究疲劳驾驶检测的系统都会选择PERCLOS作为疲劳判断标准。假设眼睛正常睁开时, 眼睛高度h的值为M。选用M*2/3作为判断眼睛睁开和闭合的阈值, 假设i为视频帧数, close (i) 是眼睛睁闭的变量, 为1表示睁眼, 为0表示闭眼, H (i) 为第i帧眼睛的高度, 则close (i) 可以用下面公式计算:

每60s计算一次PERCLOS的值作为判断疲劳程度的依据, 60s内眼睛闭合时间所占百分率为:

在疲劳的状态下, 大多数人会表现为眨眼频率变快, 因此, 将其也作为判断疲劳的依据之一。记眨眼频度为F, 正常眨眼频度为区间B, 。眨眼频度每60s计算一次, 在60s内, 眼睛从睁开到闭眼再到睁开为一个过程, 该过程每出现一次, 眨眼频度F加1。根据疲劳检测实验数据可以得出驾驶员疲劳时的眼睛平均闭合时间是2.207s, PERCLOS均值是32.44%。以PERCLOS和眨眼频度作为疲劳参数, 制定出疲劳驾驶检测方法:本文取PERCLOS超过32%或者眨眼频度不在正常区间B时, 系统立即启动报警装置, 提醒驾驶员安全驾驶。

5 结语

在当今社会, 交通安全越来越受到关注和重视, 因此, 疲劳检测系统的研发具有深刻现实意义和广阔的市场前景。在实际应用过程中, 由于DSP拥有强大的数据处理能力, 在本次系统设计的基础上扩展其他功能, 比如增加酒精检测模块, 通过酒精传感器实时检测环境中的酒精含量, 在避免疲劳驾驶的同时也预防酒驾, 提高交通安全性。

参考文献

[1]韩相军.基于DSP的驾驶疲劳实时检测系统研究[D].北京:首都师范大学, 2006.

[2]韦金辰.TMS320C6000系列DSP原理与应用系统设计[M].北京:机械工业出版社, 2012.

[3]常瑜亮.基于DSP的疲劳驾驶检测系统硬件设计与实现[D].沈阳:沈阳理工大学, 2010.

[4]窦元杰.基于汽车驾驶员的疲劳驾驶检测系统的研究[D].沈阳:沈阳工业大学, 2010.