基于多源信息融合的驾驶员疲劳预警技术研究

发布时间：2017-03-26 16:09

  本文关键词：基于多源信息融合的驾驶员疲劳预警技术研究，由笔耕文化传播整理发布。

【摘要】：随着我国交通事业的发展，汽车的人均拥有量逐年增多，随之而来的交通事故的发生也越来越频繁，，给人们的日常生活及生命财产安全带来了极大的危害。根据最新研究数据表明，引发交通事故频频发生的主要原因之一是疲劳驾驶，因此，准确地监测驾驶员疲劳状态并及时提供预警对避免疲劳驾驶起到重要的作用，同时，对减少交通事故的发生具有重要意义。论文对疲劳驾驶监测方法进行研究，建立基于人—车—行车环境的驾驶员疲劳实验系统，提出基于D-S证据理论与模糊逻辑疲劳信息融合的方法，构建了驾驶员疲劳判定的数学模型，给出判定准则。 由于脑电信号可以看成判定疲劳的“金标准”，为了验证呼吸、脉搏和心率作为疲劳判定特征的重要程度，分别在清醒和疲劳状态下对驾驶员的脑电与呼吸、脑电与脉搏和脑电与心率做相关性分析。通过对驾驶员进行疲劳实验，采集呼吸、脉搏、心率和脑电信号数据，应用小波分解的方法对各种生理信号进行降噪处理。降低基线漂移、肌体干扰和实验仪器的工频干扰等信号对各生理信号的噪声影响。根据各传感器采集信号的不同，分别采用不同的方法对呼吸、脉搏、心率和脑电信号进行特征提取，分析证明呼吸、脉搏和心率信号与疲劳程度具有显著相关的特性。 提出基于D-S证据理论与模糊逻辑相融合的疲劳预警方法。首先通过清醒和疲劳状态下采集的数据建立疲劳样本隶属度函数，再随机测试一组未知数据，建立疲劳未知测试数据隶属度函数，把疲劳样本隶属度函数和测试数据隶属度函数进行匹配，随后构造基于隶属度函数的基本概率赋值函数，确定决策规则，最后，通过决策规则对采集的测试数据进行疲劳判定。 设计了驾驶疲劳监测实验系统，通过室内模拟驾驶实验和室外真实驾驶实验分别对驾驶员生理信号进行采集，得出室内和室外对反映驾驶疲劳程度的信号变化情况具有一致性；驾驶员在驾驶过程中，随着疲劳程度加深，部分脉搏、心率、脑电和呼吸生理信号会有比较明显的变化趋势。 建立了包括生理信息采集模块、数据处理模块和疲劳预警模块等组成的疲劳预警系统，并将上述方法应用于嵌入式驾驶员疲劳预警系统，通过采集模块的呼吸、脉搏、心率和脑电传感器对驾驶员生理信号进行采集信号，将采集到的信号输送到处理模块，对信号进行分析和判定，最后由预警模块根据判断结果对驾驶员发出警告。
【关键词】：疲劳相关性分析 D-S证据理论 模糊逻辑 疲劳决策规则
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U463.6
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-17
• 1.1 课题来源9
• 1.2 研究背景及意义9-10
• 1.3 驾驶员疲劳监测技术的国内外研究现状及发展趋势10-14
• 1.3.1 驾驶员疲劳监测技术的国外研究现状11-13
• 1.3.2 驾驶员疲劳监测技术的国内研究现状13-14
• 1.3.3 驾驶员疲劳监测方法的发展趋势14
• 1.4 多源信息融合的研究现状及发展趋势14-16
• 1.5 主要研究内容16-17
• 第2章 汽车驾驶员嵌入式疲劳预警系统17-19
• 2.1 系统的结构17-18
• 2.2 系统的功能18
• 2.3 本章小结18-19
• 第3章 汽车驾驶员疲劳监测方法研究19-44
• 3.1 特征提取方法分析19-21
• 3.1.1 时频分析方法19-20
• 3.1.2 特征提取20-21
• 3.2 人体生理信号与疲劳之间的关系21-30
• 3.2.1 人体生理信号与疲劳之间的关系21
• 3.2.2 各生理信号之间的相关性分析21-30
• 3.3 基于多源信息融合的疲劳驾驶检测方法研究30-41
• 3.3.1 疲劳的多源信息检测重要性30-33
• 3.3.2 多源信息融合方法研究33-35
• 3.3.3 基于 D-S 证据理论和模糊逻辑融合方法研究35-41
• 3.4 预警方法41-43
• 3.5 本章小结43-44
• 第4章 基于多源信息融合的疲劳预警实验研究44-63
• 4.1 实验设计44-50
• 4.1.1 实验对象44-46
• 4.1.2 实验仪器46-48
• 4.1.3 实验场景48-49
• 4.1.4 实验流程49-50
• 4.2 数据处理与分析50-60
• 4.2.1 数据预处理50-51
• 4.2.2 呼吸信号分析51-54
• 4.2.3 脉搏信号分析54-57
• 4.2.4 心率信号分析57-59
• 4.2.5 脑电信号分析59-60
• 4.3 基于 D-S 证据理论与模糊逻辑融合决策60-62
• 4.3.1 基于 D-S 证据理论与模糊逻辑驾驶员生理信号的融合60-61
• 4.3.2 决策规则61
• 4.3.3 诊断结果61-62
• 4.4 本章小结62-63
• 第5章 结论与展望63-65
• 5.1 结论63
• 5.2 展望63-65
• 参考文献65-69
• 致谢69-70
• 申请学位期间的研究成果及发表的学术论文70

【参考文献】

中国期刊全文数据库 前10条

1 毛科俊;刘小明;赵晓华;荣建;;基于脑电信号的驾驶疲劳预报关键参数选取[J];北京工业大学学报;2010年07期

2 吴绍斌;高利;王刘安;;基于脑电信号的驾驶疲劳检测研究[J];北京理工大学学报;2009年12期

3 任鑫峰;金治富;康慧;;疲劳驾驶与年龄、驾龄的关系[J];道路交通与安全;2007年05期

4 韩相军;梁艳荣;关永;;基于DSP的嵌入式驾驶疲劳监测系统研究[J];公路交通科技;2007年01期

5 成波;冯睿嘉;张伟;李家文;张希波;;基于多源信息融合的驾驶人疲劳状态监测及预警方法研究[J];公路交通科技;2009年S1期

6 芦杨;杨琳;王莹;张松;杨益民;李旭雯;;一种可监测人体脉搏波的汽车方向盘辅助装置[J];北京生物医学工程;2013年06期

7 范新南,苏丽媛,郭建甲;多传感器信息融合综述[J];河海大学常州分校学报;2005年01期

8 吴春莹;;浅谈汽车驾驶员疲劳监测技术的研究进展[J];机电一体化;2007年04期

9 李志春;何仁;何翠群;;模糊神经网络在驾驶员疲劳检测中的应用[J];江苏大学学报(自然科学版);2008年02期

10 杨海燕;蒋新华;聂作先;;驾驶员疲劳检测技术研究综述[J];计算机应用研究;2010年05期

中国博士学位论文全文数据库 前3条

1 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年

2 刘典婷;红外与可见光人脸图像的融合识别算法研究[D];大连理工大学;2009年

3 邸巍;基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D];吉林大学;2010年

  本文关键词：基于多源信息融合的驾驶员疲劳预警技术研究，由笔耕文化传播整理发布。

本文编号：269035