本文選題：信息融合　切入點(diǎn)：駕駛疲勞　出處：《山東大學(xué)》2015年碩士論文

【摘要】：交通安全是與國(guó)計(jì)民生直接相關(guān)的熱點(diǎn)問(wèn)題,其中駕駛疲勞作為導(dǎo)致交通事故多發(fā)的主要問(wèn)題之一,受到了人們的廣泛關(guān)注。駕駛疲勞會(huì)導(dǎo)致駕駛員精力不集中、肢體反應(yīng)遲鈍、對(duì)突發(fā)情況的應(yīng)變能力下降,極易引發(fā)交通事故。據(jù)統(tǒng)計(jì),由駕駛疲勞所造成的交通事故約占事故總數(shù)的20%,占重特大交通事故的40%,占交通死亡率的80%。由此可見(jiàn),駕駛員疲勞已經(jīng)成為交通事故的主要隱患,而且不容易被察覺(jué)和監(jiān)測(cè)。為此,大量學(xué)者對(duì)駕駛疲勞問(wèn)題展開(kāi)了研究,并取得了一定的研究成果。為了解決駕駛疲勞識(shí)別過(guò)程中所存在的信號(hào)源單一、識(shí)別精度低、實(shí)用性能差等不足,本文對(duì)基于眼動(dòng)與脈搏信息相融合的駕駛疲勞識(shí)別算法進(jìn)行了研究。該算法以眼動(dòng)和脈搏兩種信息作為研究對(duì)象,分別對(duì)兩種信息進(jìn)行疲勞特征提取,并以極限學(xué)習(xí)機(jī)作為分類器,對(duì)駕駛員是否處于駕駛疲勞狀態(tài)進(jìn)行識(shí)別。本文的主要工作包括：1)對(duì)駕駛疲勞的形成原因、社會(huì)危害、研究現(xiàn)狀,以及當(dāng)前研究中所存在的問(wèn)題進(jìn)行了分析和總結(jié)。2)對(duì)眼動(dòng)信息進(jìn)行處理,深入分析了混合積分投影和mean-shift兩種算法的原理,設(shè)計(jì)了基于混合積分投影與mean-shift相結(jié)合的眼部疲勞狀態(tài)特征提取方法。該方法包括背景去除、人眼定位、人眼分割和特征計(jì)算四個(gè)步驟,能夠綜合考慮人眼的灰度信息和位置信息,準(zhǔn)確地提取出PERCLOS、眨眼頻率和平均閉合時(shí)間三個(gè)眼動(dòng)疲勞特征。3)對(duì)脈搏特征進(jìn)行處理,通過(guò)類比于心電的疲勞特征,選擇主波間期均值、主波間期標(biāo)準(zhǔn)差、高低頻功率比三個(gè)參數(shù)作為脈搏疲勞特征,對(duì)脈搏信號(hào)與疲勞狀態(tài)之間的聯(lián)系進(jìn)行了研究,證明了脈搏信號(hào)可以應(yīng)用于駕駛疲勞的識(shí)別,且具有較好的識(shí)別效果。4)設(shè)計(jì)了基于極限學(xué)習(xí)機(jī)的駕駛疲勞識(shí)別算法,通過(guò)極限學(xué)習(xí)機(jī)對(duì)所提取的眼動(dòng)和脈搏特征進(jìn)行融合,并對(duì)駕駛員是否處于疲勞狀態(tài)進(jìn)行識(shí)別。通過(guò)設(shè)計(jì)實(shí)驗(yàn),采集被試者在模擬駕駛環(huán)境中的眼動(dòng)和脈搏數(shù)據(jù),對(duì)算法的實(shí)際性能進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,該算法具有良好的識(shí)別率。
[Abstract]:Traffic safety is a hot issue directly related to the national economy and the people's livelihood, among which driving fatigue, as one of the main problems that lead to frequent traffic accidents, has attracted widespread attention. Driving fatigue can lead to driver's inconcentration. The body is slow to react, and its ability to respond to emergencies decreases, so it is easy to cause traffic accidents. According to statistics, traffic accidents caused by driving fatigue account for about 20 of the total number of accidents, 40 percent of the serious traffic accidents, and 80 percent of the traffic mortality. Driver fatigue has become a major hidden danger in traffic accidents, and it is not easy to detect and monitor. Therefore, a large number of scholars have carried out research on driving fatigue. In order to solve the problems of single signal source, low recognition accuracy and poor practical performance in the process of driving fatigue identification, some research results have been obtained. In this paper, a driving fatigue identification algorithm based on the fusion of eye movement and pulse information is studied. And using the extreme learning machine as the classifier to identify whether the driver is in the state of driving fatigue. The main work of this paper includes the causes of the formation of driving fatigue, the social harm, and the current research situation. And the existing problems in the current research are analyzed and summarized. 2) the theory of hybrid integral projection and mean-shift algorithm is analyzed. An eye fatigue feature extraction method based on mixed integral projection and mean-shift is designed, which includes four steps: background removal, human eye location, human eye segmentation and feature calculation. Considering the gray level information and position information of human eyes, we can accurately extract three eye movement fatigue features: PerCLOS, blink frequency and mean closure time. 3) to process the pulse characteristics, and compare to the fatigue characteristics of ECG. The main wave interval mean, the main wave interval standard deviation and the ratio of high and low frequency power are selected as the pulse fatigue characteristics. The relationship between the pulse signal and the fatigue state is studied. It is proved that the pulse signal can be applied to the identification of driving fatigue. And has a better recognition effect. 4) designed the driving fatigue identification algorithm based on the extreme learning machine, through the extreme learning machine to extract the eye movement and the pulse characteristic to carry on the fusion, Through the design of experiments, the data of eye movement and pulse of the subjects in simulated driving environment are collected, and the actual performance of the algorithm is verified. The experimental results show that, The algorithm has good recognition rate.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U495;U463.6;TP202

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張殿業(yè);;致駕駛疲勞因素聯(lián)合作用的機(jī)理辨識(shí)[J];學(xué)術(shù)動(dòng)態(tài);2003年03期

2 李建;駕駛疲勞防范[J];湖南農(nóng)機(jī);2005年03期

3 金銳;石磊;郭業(yè)偉;;緩解駕駛疲勞六法[J];汽車(chē)運(yùn)用;2009年01期

4 陳建新;成鑫;陳飛;;高速公路駕駛疲勞影響因素分析[J];公路交通科技(應(yīng)用技術(shù)版);2010年06期

5 宋巍;;減輕駕駛疲勞的方法[J];駕駛園;2011年03期

6 劉果承;;農(nóng)機(jī)駕駛疲勞的原因及預(yù)防[J];農(nóng)業(yè)開(kāi)發(fā)與裝備;2012年06期

7 李美華;;汽車(chē)駕駛疲勞的控制與預(yù)防初步研究[J];科技創(chuàng)新與應(yīng)用;2014年23期

8 廖鵬宇;;談?wù)勸{駛疲勞的成因及其預(yù)防方法[J];汽車(chē)與安全;2007年06期

9 傅家振;怎樣消除駕駛疲勞[J];解放軍健康;1994年02期

10 李增勇,王成燾;駕駛疲勞與汽車(chē)人機(jī)工程學(xué)初探[J];機(jī)械設(shè)計(jì)與制造工程;2001年05期

相關(guān)會(huì)議論文 前5條

1 石喬莉;王磊;耿旭婧;葛偉豪;王洋;邊京華;李穎;;基于腦電信號(hào)的駕駛疲勞狀態(tài)分析[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第三十一屆學(xué)術(shù)年會(huì)論文集[C];2011年

2 張靈聰;尹志勇;王正國(guó);;駕駛疲勞的生理特點(diǎn)[A];中國(guó)生理學(xué)會(huì)第六屆應(yīng)用生理學(xué)委員會(huì)全國(guó)學(xué)術(shù)會(huì)議論文摘要匯編[C];2003年

3 王猛;張春雨;汪林;焦偉峗;趙麗;;基于多源信息融合的駕駛疲勞檢測(cè)技術(shù)研究[A];第二屆中國(guó)智能交通年會(huì)論文集[C];2006年

4 宋國(guó)萍;;駕駛疲勞后情緒的變化[A];第十屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2005年

5 劉鵬;江朝暉;熊進(jìn);馮煥清;;駕駛疲勞研究中的人眼狀態(tài)檢測(cè)[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

相關(guān)重要報(bào)紙文章 前6條

1 洛中;消除駕駛疲勞有妙法[N];華東旅游報(bào);2000年

2 陸杉;如何消除駕駛疲勞[N];華東旅游報(bào);2003年

3 ;減輕駕駛疲勞幾項(xiàng)提示[N];當(dāng)代汽車(chē)報(bào);2006年

4 高速公路支隊(duì)張家寺大隊(duì) 李瑩瑩;疲勞駕駛是高速隱形殺手[N];甘肅法制報(bào);2006年

5 李宜;輕松緩解駕駛疲勞[N];中國(guó)中醫(yī)藥報(bào);2006年

6 姜作金;疲勞 駕駛的潛在危險(xiǎn)[N];中國(guó)醫(yī)藥報(bào);2004年

相關(guān)博士學(xué)位論文 前6條

1 謝曉莉;駕駛疲勞生成機(jī)理研究[D];北京工業(yè)大學(xué);2010年

2 毛科俊;道路環(huán)境單調(diào)性對(duì)駕駛疲勞的影響機(jī)理及對(duì)策研究[D];北京工業(yè)大學(xué);2011年

3 吳群;基于心電信號(hào)的駕駛疲勞檢測(cè)方法研究[D];浙江大學(xué);2008年

4 鄭培;機(jī)動(dòng)車(chē)駕駛員駕駛疲勞測(cè)評(píng)方法的研究[D];中國(guó)農(nóng)業(yè)大學(xué);2002年

5 金鍵;駕駛疲勞機(jī)理及饋選模式研究[D];西南交通大學(xué);2002年

6 黃瀚敏;基于汽車(chē)駕駛員疲勞狀態(tài)監(jiān)測(cè)技術(shù)的汽車(chē)主動(dòng)安全系統(tǒng)研究[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 盛海濤;不同休息模式對(duì)駕駛疲勞的影響研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2009年

2 房瑞雪;基于生理信號(hào)的駕駛疲勞預(yù)警對(duì)策有效性的實(shí)驗(yàn)研究[D];北京工業(yè)大學(xué);2010年

3 韓富躍;基于歐拉影像放大算法的駕駛疲勞檢測(cè)研究[D];長(zhǎng)安大學(xué);2015年

4 李發(fā)權(quán);基于眼動(dòng)與脈搏信息融合的駕駛疲勞識(shí)別算法研究[D];山東大學(xué);2015年

5 胡鴻志;機(jī)動(dòng)車(chē)駕駛疲勞識(shí)別系統(tǒng)研究[D];武漢理工大學(xué);2010年

6 張祖懷;基于人體生理信號(hào)的駕駛疲勞研究方法及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

7 于曉東;基于駕駛?cè)松碇笜?biāo)的駕駛疲勞量化方法研究[D];吉林大學(xué);2015年

8 代世勛;汽車(chē)駕駛疲勞的近紅外光譜法監(jiān)測(cè)與分析[D];山東大學(xué);2009年

9 平永青;行車(chē)環(huán)境對(duì)營(yíng)運(yùn)客車(chē)駕駛員駕駛疲勞的影響研究[D];哈爾濱工業(yè)大學(xué);2012年

10 張蓓;地鐵司機(jī)駕駛疲勞狀況調(diào)查與分析[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

，

本文編號(hào)：1690369