為了解決由于駕駛員面部早期疲勞特征難以檢測(cè),導(dǎo)致汽車(chē)駕駛輔助系統(tǒng)無(wú)法及時(shí)識(shí)別駕駛員準(zhǔn)確疲勞狀態(tài)的難題,論文綜合運(yùn)用行駛過(guò)程中駕駛員面部狀態(tài)的光學(xué)信息和其心率的光電信息,研究基于面部和心率特征融合的駕駛員疲勞狀態(tài)識(shí)別原理及其方法。這對(duì)于提高駕駛員疲勞狀態(tài)實(shí)時(shí)智能識(shí)別水平,促進(jìn)先進(jìn)汽車(chē)駕駛輔助系統(tǒng)的發(fā)展具有重要作用與實(shí)際意義。研究工作得到了2016年廣州市產(chǎn)學(xué)研協(xié)同創(chuàng)新重大專(zhuān)項(xiàng)（產(chǎn)學(xué)研協(xié)同創(chuàng)新聯(lián)盟專(zhuān)題）（201604046006）的支持。首先,論文分別討論了基于主觀(guān)評(píng)價(jià)、面部特征、生理特征、操作行為及車(chē)輛狀態(tài)特征的駕駛員疲勞狀態(tài)識(shí)別方法和相關(guān)產(chǎn)品的應(yīng)用情況,總結(jié)了其中的部分不足和一些發(fā)展趨勢(shì);然后,在對(duì)駕駛疲勞定義、影響因素、表征指標(biāo)及研究方法進(jìn)行討論的基礎(chǔ)上,進(jìn)行了駕駛員疲勞狀態(tài)模擬實(shí)驗(yàn)設(shè)計(jì),提出了綜合駕駛員自我評(píng)價(jià)和專(zhuān)家評(píng)價(jià)的駕駛員疲勞狀態(tài)模擬實(shí)驗(yàn)方案,構(gòu)建了以低侵?jǐn)_性的攝像頭和智能手表為主的駕駛員疲勞狀態(tài)實(shí)驗(yàn)平臺(tái),并進(jìn)行了駕駛員疲勞狀態(tài)模擬實(shí)驗(yàn),獲取了不同駕駛疲勞狀態(tài)下的駕駛員面部圖像信息、心率光電信息和其駕駛疲勞狀態(tài)的主觀(guān)評(píng)價(jià)等級(jí)信息。隨后,提出了基于Open Face的駕駛員多面... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：113 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

駕駛疲勞因素所導(dǎo)致的交通事故占比統(tǒng)計(jì)

華南理工大學(xué)碩士學(xué)位論文2操作時(shí)，輔助預(yù)測(cè)駕駛員真實(shí)意圖；另一方面可在檢測(cè)到駕駛員疲勞時(shí)，由機(jī)器介入執(zhí)行駕駛控制，維持安全駕駛。圖1-2駕駛疲勞的影響：引發(fā)交通事故（左）、駕駛權(quán)限切換（右）因此，為了減少交通事故的發(fā)生和推動(dòng)智能駕駛的發(fā)展，準(zhǔn)確、魯棒且及時(shí)的駕駛員疲勞狀態(tài)識(shí)別必不可少。1.2國(guó)內(nèi)外研究現(xiàn)狀如下圖所示，目前在駕駛員疲勞狀態(tài)識(shí)別研究中，首先可以分為主觀(guān)檢測(cè)方法以及客觀(guān)檢測(cè)方法。其中，主觀(guān)檢測(cè)方法的基本原理是通過(guò)駕駛員疲勞狀態(tài)的自我評(píng)價(jià)或他人評(píng)價(jià)來(lái)判斷其駕駛疲勞狀態(tài)；客觀(guān)檢測(cè)方法的基本原理則是借助傳感器等輔助手段采集并檢測(cè)駕駛員駕駛過(guò)程中的一些生理、心理狀態(tài)、操作行為和車(chē)輛行駛狀態(tài)等參數(shù)指標(biāo)來(lái)進(jìn)行駕駛員疲勞狀態(tài)的識(shí)別，進(jìn)而這種客觀(guān)檢測(cè)方法又可根據(jù)不同的信息來(lái)源和特征類(lèi)別分為若干種方法。駕駛員疲勞狀態(tài)識(shí)別方法操作行為及其車(chē)輛狀態(tài)特征面部反應(yīng)特征生理參數(shù)特征主觀(guān)他評(píng)法行駛速度車(chē)輛橫向位置方向盤(pán)轉(zhuǎn)動(dòng)角度頭部位置眼瞼開(kāi)度嘴部哈欠面部表情心率特征主觀(guān)自評(píng)法腦電特征皮膚電特征肌電特征·········主觀(guān)檢測(cè)方法客觀(guān)檢測(cè)方法其他方法生物化學(xué)反應(yīng)多種方法融合···圖1-3駕駛員疲勞狀態(tài)識(shí)別方法分類(lèi)示意圖

華南理工大學(xué)碩士學(xué)位論文8圖1-4駕駛員生理信號(hào)采集圖由于生理信號(hào)特征直接表征了人體內(nèi)部的身體狀態(tài)，因此基于生理特征的駕駛員疲勞狀態(tài)識(shí)別方法是一種客觀(guān)性較強(qiáng)的方法，能較客觀(guān)、真實(shí)、準(zhǔn)確地反映駕駛員的各階段疲勞狀態(tài)。在這些眾多生理特征指標(biāo)中，腦電特征、心率特征和肌電特征對(duì)駕駛疲勞的指示性較好，研究較多，范圍較廣。而目前對(duì)于生理信號(hào)特征的采集多屬于接觸式采集，采集時(shí)需要在駕駛員的多處皮膚上粘貼多個(gè)電極，并配置各種傳感設(shè)備，侵?jǐn)_性較強(qiáng)，容易造成駕駛員的不適，影響駕駛操作，實(shí)用性不高[31]。不過(guò)隨著測(cè)試技術(shù)的進(jìn)步和新型傳感器的發(fā)展，無(wú)接觸式的設(shè)備和無(wú)線(xiàn)的傳輸方式成為今后的發(fā)展趨勢(shì)，生理信號(hào)特征的采集方法在舒適性和實(shí)用性上得到了進(jìn)一步改善和提高。其中智能可穿戴設(shè)備已經(jīng)可以完成人體心率特征的便捷采集，可以依靠侵?jǐn)_性低，普及度高的智能手表來(lái)進(jìn)行基于心率特征的駕駛員疲勞狀態(tài)識(shí)別研究。1.2.4基于操作行為及車(chē)輛狀態(tài)特征的駕駛員疲勞狀態(tài)識(shí)別方法基于操作行為及車(chē)輛狀態(tài)特征的駕駛員疲勞狀態(tài)識(shí)別方法是利用間接的駕駛員駕駛操作行為及其車(chē)輛狀態(tài)參數(shù)特征[32]，包括方向盤(pán)壓力變化、轉(zhuǎn)角大小及速度變化和車(chē)道情況等。如在不同駕駛疲勞狀態(tài)時(shí)，駕駛員對(duì)方向盤(pán)的操控力會(huì)發(fā)生規(guī)律性的變化，方向盤(pán)的轉(zhuǎn)動(dòng)角度在駕駛員處于不同狀態(tài)下也會(huì)有所不同，容易出現(xiàn)車(chē)輛主動(dòng)、長(zhǎng)時(shí)間地偏離車(chē)道的情況等。ZiwenYu等人通過(guò)駕駛模擬實(shí)驗(yàn)采集實(shí)驗(yàn)駕駛員清醒狀態(tài)和疲勞狀態(tài)下的方向盤(pán)轉(zhuǎn)角、方向盤(pán)轉(zhuǎn)角速率、橫擺角、橫擺角速度、橫向位置、橫向速度、橫向加速度和腦

【參考文獻(xiàn)】：
期刊論文
[1]針對(duì)車(chē)輛與行人檢測(cè)的感興趣區(qū)域自適應(yīng)分割算法[J]. 張文影,李禮夫.  科學(xué)技術(shù)與工程. 2020(05)
[2]大數(shù)據(jù)時(shí)代數(shù)據(jù)分析方法概述[J]. 龍草芳.  電腦知識(shí)與技術(shù). 2019(14)
[3]基于Cortex-M3處理器和SIM900A的可穿戴健康參數(shù)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 梁美麗,尹禮壽,陳立杰.  山東農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[4]駕駛員疲勞狀態(tài)監(jiān)測(cè)系統(tǒng)綜述[J]. 于立嬌,吳振昕,王文彬,高洪偉.  汽車(chē)文摘. 2019(03)
[5]基于時(shí)序性面部動(dòng)作信息的駕駛員狀態(tài)檢測(cè)框架[J]. 崔子巖,汪劍鳴,金光浩.  計(jì)算機(jī)應(yīng)用研究. 2019(11)
[6]基于深度學(xué)習(xí)的駕駛員頭部姿態(tài)參數(shù)估計(jì)[J]. 阮志強(qiáng),方向忠.  信息技術(shù). 2017(02)
[7]基于駕駛行為的疲勞駕駛判別算法研究[J]. 萬(wàn)蔚,王振華,王保菊.  道路交通與安全. 2016(06)
[8]駕駛?cè)吮巢考∪庳?fù)荷定量研究[J]. 張非若,陶鑫,王波,王文軍,成波.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2013(06)
[9]基于多指標(biāo)測(cè)試的駕駛疲勞高發(fā)時(shí)段[J]. 李君羨,潘曉東.  交通科學(xué)與工程. 2013(01)
[10]疲勞駕駛檢測(cè)方法研究進(jìn)展[J]. 袁翔,孫香梅.  汽車(chē)工程學(xué)報(bào). 2012(03)

博士論文
[1]草原道路簡(jiǎn)單景觀(guān)環(huán)境下駕駛疲勞短時(shí)恢復(fù)特性研究[D]. 王玉化.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2019
[2]基于生理信號(hào)的聯(lián)合收獲機(jī)駕駛疲勞檢測(cè)與評(píng)價(jià)[D]. 祝榮欣.東北農(nóng)業(yè)大學(xué) 2016
[3]基于信息融合的疲勞駕駛檢測(cè)方法研究[D]. 牛清寧.吉林大學(xué) 2014
[4]基于多普勒雷達(dá)的非接觸式生命體征檢測(cè)技術(shù)研究[D]. 胡巍.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[5]駕駛員疲勞狀態(tài)檢測(cè)技術(shù)研究與工程實(shí)現(xiàn)[D]. 李志春.江蘇大學(xué) 2009

碩士論文
[1]基于頭部特征和姿態(tài)估計(jì)的疲勞駕駛檢測(cè)技術(shù)的研究[D]. 劉敏.東華大學(xué) 2019
[2]基于信息融合的駕駛員疲勞狀態(tài)檢測(cè)方法研究[D]. 方毅.哈爾濱工業(yè)大學(xué) 2018
[3]基于STM32的多功能智能健康手表設(shè)計(jì)[D]. 張自達(dá).寧夏大學(xué) 2018
[4]基于CNNs和LSTM的駕駛員疲勞和分心狀態(tài)識(shí)別研究[D]. 李力.湖南大學(xué) 2018
[5]駕駛員疲勞狀態(tài)分析及其預(yù)警算法研究[D]. 于茲文.吉林大學(xué) 2018
[6]基于圖像信號(hào)與無(wú)線(xiàn)通信信號(hào)融合的室內(nèi)定位關(guān)鍵技術(shù)研究[D]. 李菲.北京郵電大學(xué) 2018
[7]基于多模態(tài)深度學(xué)習(xí)的疲勞駕駛檢測(cè)[D]. 杜立寰.上海交通大學(xué) 2018
[8]基于腦電樣本熵高速催眠道路環(huán)境影響研究[D]. 夏品蘋(píng).東南大學(xué) 2017
[9]基于眼動(dòng)特征的軌道交通駕駛員駕駛疲勞檢測(cè)研究[D]. 嚴(yán)榮慧.蘇州大學(xué) 2017
[10]基于生理與操作行為典型參數(shù)的駕駛疲勞程度研究[D]. 黃姣.華南理工大學(xué) 2016



本文編號(hào)：3511283