基于信息融合的驾驶员疲劳状态检测方法研究

发布时间：2020-06-12 15:02

【摘要】：驾驶疲劳是驾驶过程中经常产生的生理现象,当驾驶员进入疲劳状态时会变得注意力涣散、反应迟钝,极易酿成交通事故。基于单一信息源的驾驶疲劳检测方法在具体驾驶环境下稳定性较差,存在很大局限。目前的研究趋势逐渐倾向于融合多源信息来对驾驶疲劳做出综合判断。本文以提高驾驶疲劳检测的准确率、稳定性以及环境适应能力为研究目的。以驾驶员的面部图像信息和脑电信息为研究对象。围绕多源信息疲劳特征的提取方法、单模态驾驶疲劳检测方法、信息融合驾驶疲劳检测方法等核心问题展开了研究。并设计模拟驾驶实验评估了各种驾驶疲劳检测方法的效果。主要研究内容如下:(1)调研了目前驾驶疲劳检测的研究现状与研究趋势,总结了图像信息、生理信息、驾驶行为信息等各种研究角度的优缺点。针对单模态驾驶疲劳检测的不足,确定了将驾驶员面部图像信息和脑电信息融合的驾驶疲劳检测方案,以提升检测的准确率、稳定性与环境适应能力。(2)从驾驶员眼部信息中提取了眼睑闭合时间比例、闭眼速度等眼动特征,训练了基于眼动特征的单模态驾驶疲劳检测模型,疲劳/非疲劳分类准确率达到86%。从驾驶员脑电信息中提取了各节律的频带能量比,训练了单模态驾驶疲劳检测模型,疲劳/非疲劳分类准确率达到78%。(3)针对单模态驾驶疲劳检测方法的局限性,使用多核学习、多集典型相关分析融合多源异构特征,并分别训练驾驶疲劳检测模型,准确率达到89%、93%。基于D-S证据理论对图像信息和脑电信息进行决策层融合,搭建驾驶疲劳检测模型,准确率达到95%。(4)使用模拟驾驶实验平台展开了基于睡眠剥夺和基于反应时间的模拟驾驶实验,同步采集驾驶员面部图像信息与脑电信息。对数据进行整理标注,得到驾驶疲劳数据集,使用数据集训练和测试各种驾驶疲劳检测模型。设计干扰环境下的模拟驾驶实验,评估各种驾驶疲劳检测模型的稳定性。
【图文】：

Rather AlertNeither alert nor sleepySome signs of sleepinessSleepy, no effort to stay awakeSleepy, some effort to stay awakeVery sleepy, great effort to stay awake, fightin隆研究所最早提出将 PERCLOS（单位时间眼疲劳检测的重要指标，得到了很好的效果，该指澳大利亚的 Seeingmachines 公司研制的 DSS- Attention Technolo gies 公司研制的 DD850 以开发的 gogo850 都是基于驾驶员的面部图像信息南京远驱科技有限公司开发的 gogo850，该设备相机，，通过该红外相机来采集驾驶员的面部信息疲劳程度。

理信号的数据量远远的小于图像信息，能够满足实时处理的需信息的疲劳驾驶检测方法缺点为，各种生理信息的采集都需要肤表面粘贴电极，对人体有一定的入侵性。随着传感器技术的件集成度的大幅度提升以及可穿戴设备概念的普及，各种采集传感器体积越来越小，普通驾驶员对可穿戴传感器的接受程度基于生理信息的疲劳驾驶检测方法正逐渐受到重视。前已有的研究成果表明，随着疲劳程度的加深，脑电信号的 的能量会提升，而 节律和 节律的能量会降低[12]。心电信号（Heart Rate Variability,HRV）可作为评估驾驶员疲劳状态的ianlia ng Min 和 Ping Wang 等人[13]使用模拟驾驶平台展开了模拟步采集了驾驶员的脑电信号，通过分析验证了脑电信号的微分的相关性，在其整理的数据集上识别准确率达到 90%以上。图ng Min 等人所展开的模拟驾驶实验。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TP391.41

【参考文献】

中国期刊全文数据库 前5条

1 王磊;史亚;姬红兵;;基于多集典型相关分析的雷达辐射源指纹识别[J];西安电子科技大学学报;2013年02期

2 权文;王晓丹;王坚;张玉玺;;基于SVM概率输出与证据理论的多分类方法[J];计算机工程;2012年05期

3 张恒义;邵晓卓;周骏;;睡眠剥夺疲劳模型大鼠脑电分析[J];航天医学与医学工程;2011年05期

4 詹皓,韩学平,葛朝丽,韦四煌,辛益妹,李彤,唐桂香,李砚锋;莫达非尼对睡眠剥夺汽车兵汽车驾驶能力和疲劳感的影响[J];中华航空航天医学杂志;2005年03期

5 季红光,张麟,王海明;24小时睡眠剥夺对主观疲劳程度和心理运动能力的影响[J];中国行为医学科学;1998年04期

中国博士学位论文全文数据库 前10条

1 郭梦竹;基于反应时间的驾驶员疲劳状态监测与预警技术研究[D];吉林大学;2017年

2 史亚;多核学习算法与应用研究[D];西安电子科技大学;2015年

3 牛清宁;基于信息融合的疲劳驾驶检测方法研究[D];吉林大学;2014年

4 李冠儒;2823例健康体检人群的疲劳情况及其与体检指标的相关性探讨[D];北京中医药大学;2013年

5 康健;基于多传感器信息融合关键技术的研究[D];哈尔滨工程大学;2013年

6 杜勇;基于面部信息的驾驶者疲劳状态分类方法研究[D];哈尔滨工业大学;2012年

7 孙锐;基于D-S证据理论的信息融合及在可靠性数据处理中的应用研究[D];电子科技大学;2012年

8 肖献强;基于信息融合的驾驶行为识别关键技术研究[D];合肥工业大学;2011年

9 吴胜强;核主元分析及证据理论的多域特征故障诊断新方法研究[D];燕山大学;2011年

10 樊双义;连续作业与睡眠剥夺对认知功能的影响及机制研究[D];第三军医大学;2010年

中国硕士学位论文全文数据库 前2条

1 黄姣;基于生理与操作行为典型参数的驾驶疲劳程度研究[D];华南理工大学;2016年

2 周军;基于D-S证据理论的多模型网络安全态势预测研究[D];西安电子科技大学;2010年

本文编号：2709700