基于人体生理信号的疲劳驾驶识别方法的研究

发布时间：2017-09-11 16:22

  本文关键词：基于人体生理信号的疲劳驾驶识别方法的研究

  更多相关文章： 疲劳驾驶 面压力传感器 支持向量机 混沌时间序列 模式识别

【摘要】：疲劳驾驶车辆是导致交通安全事故的原因中之一,准确监测汽车驾驶员的疲劳状况,并且实时预警是预防交通安全事故的重要方法,汽车驾驶员疲劳实时检测已经成为了海内外专家学者关注的热门技术。目前,现有研究处在疲劳监测方法的摸索阶段,还没有权威的规范以及准确性及实时性均优的解决方式,已有的疲劳监测产品大多存在准确性差和舒适性不够等缺点,且价格昂贵,因而,深入细致的研究驾驶员疲劳监测技术十分重要。综合应用现代测试、信号分析、计算机、机械等技术开发出成本低、性能优良、准确性高的汽车驾驶员疲劳预测及提示系统,不仅能减少交通事故造福人类,而且能抢占巨大的国内外市场,具有广阔的发展前景,巨大的经济效益和社会效益。课题首先分析了生理信号监测人体疲劳的可行性,并将其应用在驾驶员疲劳监测上。为分析驾驶员疲劳与驾驶员后背压力分布、心率以及脉搏的关系,分别进行了疲劳状态实验和清醒状态实验。为了使实验的数据更加接近真实情况,实验在模拟驾驶平台环境下进行,进行了16人的疲劳实验,并通过主观SD疲劳评价的方法,在实验的同时进行疲劳状况记录。采用了一种基于面压力传感器、心电传感器以及脉搏传感器进行信号的采集方法,并分别采用了时域分析、傅里叶分析以及混沌时间序列的方法进行生理特征的特征提取,通过对检测到的生理信号的数据分析,应用支持向量机的方法进行模式识别以及疲劳等级判别,结合主观评分对测试结果进行统计分析,最终结果验证了本文所提取的疲劳状态特征和支持向量机分类方法的有效性。
【关键词】：疲劳驾驶 面压力传感器 支持向量机 混沌时间序列 模式识别
【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】：2016
【分类号】：U463.6
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 研究的背景与意义9-10
• 1.2 疲劳驾驶评价方法的国内外研究现状10-14
• 1.2.1 主观评价法10-11
• 1.2.2 基于生理信号的检测方法11
• 1.2.3 基于生理反应的检测方法11-12
• 1.2.4 基于车辆信号的检测方法12-13
• 1.2.5 基于声音的检测方法13
• 1.2.6 基于多源信息融合的检测方法13-14
• 1.3 研究内容与主要技术路线14-16
• 第二章 疲劳驾驶检测总体实验16-27
• 2.1 人体疲劳的形成机理16-17
• 2.2 模拟驾驶平台介绍17-19
• 2.3 实验方案的设计与展开19-24
• 2.3.1 实验设计的原则20
• 2.3.2 实验对象的选择20-21
• 2.3.3 实验场景21-22
• 2.3.4 实验方法22-24
• 2.4 疲劳驾驶实验数据的提取24-26
• 2.5 本章小结26-27
• 第三章 驾驶员生理信号的特征提取与分析27-42
• 3.1 主观评价SD疲劳的识别方法27-28
• 3.2 特征生成与特征提取方法28-33
• 3.2.1 基于混沌时间序列的特征提取方法28-29
• 3.2.2 基于时域分析的特征提取方法29-30
• 3.2.3 基于频域分析的特征提取方法30-33
• 3.3 驾驶员心率与背压信号的分析33-40
• 3.3.1 心率信号分析33-35
• 3.3.2 后压力信号的时间序列相空间重构35-36
• 3.3.3 最佳嵌入维和时间延迟的计算36-37
• 3.3.4 相空间重构驾驶员疲劳状态识别的实验验证37-40
• 3.4 驾驶员脉搏信号的分析40-41
• 3.5 本章小结41-42
• 第四章 基于驾驶员行为的状态识别模型42-52
• 4.1 模式识别的基本理论42-44
• 4.2 由支持向量机判断驾驶员的疲劳状态44-48
• 4.2.1 最优分类面44-46
• 4.2.2 核函数46-47
• 4.2.3 多分类问题47-48
• 4.3 疲劳等级的划分48-51
• 4.3.1 支持向量机的疲劳驾驶特征分级48-49
• 4.3.2 MATLAB分类实现与最优参数选取49-50
• 4.3.3 结果分析50-51
• 4.4 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 论文总结52-53
• 5.2 论文展望53-54
• 参考文献54-58
• 申请学位期间的研究成果及发表的学术论文58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 李家文;成波;;驾驶人状态适应式疲劳预警方法的研究[J];汽车工程;2011年08期

2 李家文;成波;;驾驶员疲劳状态适应式复合预警方法的研究[J];汽车工程;2012年03期

3 韩清鹏;;利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定[J];振动与冲击;2013年02期

4 王黎;于涛;闻邦椿;;基于脑电α波的非线性参数人体疲劳状态判定[J];东北大学学报;2005年12期

5 马乐;姜立标;王会荣;王蒙;;驾驶员疲劳驾驶预警系统的设计[J];哈尔滨工业大学学报;2011年05期

6 张静,魏平,胡明敏,周克印;疲劳状态检测元件的研究[J];理化检验(物理分册);2003年09期

7 李家文;成波;;针对驾驶员疲劳状态的防撞报警算法的研究[J];汽车工程;2013年06期

8 王雯丽;孙s，

本文编号：831799