為了解決由于駕駛員面部早期疲勞特征難以檢測,導致汽車駕駛輔助系統(tǒng)無法及時識別駕駛員準確疲勞狀態(tài)的難題,論文綜合運用行駛過程中駕駛員面部狀態(tài)的光學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)識別原理及其方法。這對于提高駕駛員疲勞狀態(tài)實時智能識別水平,促進先進汽車駕駛輔助系統(tǒng)的發(fā)展具有重要作用與實際意義。研究工作得到了2016年廣州市產(chǎn)學研協(xié)同創(chuàng)新重大專項（產(chǎn)學研協(xié)同創(chuàng)新聯(lián)盟專題）（201604046006）的支持。首先,論文分別討論了基于主觀評價、面部特征、生理特征、操作行為及車輛狀態(tài)特征的駕駛員疲勞狀態(tài)識別方法和相關(guān)產(chǎn)品的應用情況,總結(jié)了其中的部分不足和一些發(fā)展趨勢;然后,在對駕駛疲勞定義、影響因素、表征指標及研究方法進行討論的基礎(chǔ)上,進行了駕駛員疲勞狀態(tài)模擬實驗設(shè)計,提出了綜合駕駛員自我評價和專家評價的駕駛員疲勞狀態(tài)模擬實驗方案,構(gòu)建了以低侵擾性的攝像頭和智能手表為主的駕駛員疲勞狀態(tài)實驗平臺,并進行了駕駛員疲勞狀態(tài)模擬實驗,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)的主觀評價等級信息。隨后,提出了基于Open Face的駕駛員多面... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：113 頁

【學位級別】：碩士

【部分圖文】：

駕駛疲勞因素所導致的交通事故占比統(tǒng)計

華南理工大學碩士學位論文2操作時，輔助預測駕駛員真實意圖；另一方面可在檢測到駕駛員疲勞時，由機器介入執(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)生和推動智能駕駛的發(fā)展，準確、魯棒且及時的駕駛員疲勞狀態(tài)識別必不可少。1.2國內(nèi)外研究現(xiàn)狀如下圖所示，目前在駕駛員疲勞狀態(tài)識別研究中，首先可以分為主觀檢測方法以及客觀檢測方法。其中，主觀檢測方法的基本原理是通過駕駛員疲勞狀態(tài)的自我評價或他人評價來判斷其駕駛疲勞狀態(tài)；客觀檢測方法的基本原理則是借助傳感器等輔助手段采集并檢測駕駛員駕駛過程中的一些生理、心理狀態(tài)、操作行為和車輛行駛狀態(tài)等參數(shù)指標來進行駕駛員疲勞狀態(tài)的識別，進而這種客觀檢測方法又可根據(jù)不同的信息來源和特征類別分為若干種方法。駕駛員疲勞狀態(tài)識別方法操作行為及其車輛狀態(tài)特征面部反應特征生理參數(shù)特征主觀他評法行駛速度車輛橫向位置方向盤轉(zhuǎn)動角度頭部位置眼瞼開度嘴部哈欠面部表情心率特征主觀自評法腦電特征皮膚電特征肌電特征·········主觀檢測方法客觀檢測方法其他方法生物化學反應多種方法融合···圖1-3駕駛員疲勞狀態(tài)識別方法分類示意圖

華南理工大學碩士學位論文8圖1-4駕駛員生理信號采集圖由于生理信號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)識別方法是一種客觀性較強的方法，能較客觀、真實、準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中，腦電特征、心率特征和肌電特征對駕駛疲勞的指示性較好，研究較多，范圍較廣。而目前對于生理信號特征的采集多屬于接觸式采集，采集時需要在駕駛員的多處皮膚上粘貼多個電極，并配置各種傳感設(shè)備，侵擾性較強，容易造成駕駛員的不適，影響駕駛操作，實用性不高[31]。不過隨著測試技術(shù)的進步和新型傳感器的發(fā)展，無接觸式的設(shè)備和無線的傳輸方式成為今后的發(fā)展趨勢，生理信號特征的采集方法在舒適性和實用性上得到了進一步改善和提高。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，可以依靠侵擾性低，普及度高的智能手表來進行基于心率特征的駕駛員疲勞狀態(tài)識別研究。1.2.4基于操作行為及車輛狀態(tài)特征的駕駛員疲勞狀態(tài)識別方法基于操作行為及車輛狀態(tài)特征的駕駛員疲勞狀態(tài)識別方法是利用間接的駕駛員駕駛操作行為及其車輛狀態(tài)參數(shù)特征[32]，包括方向盤壓力變化、轉(zhuǎn)角大小及速度變化和車道情況等。如在不同駕駛疲勞狀態(tài)時，駕駛員對方向盤的操控力會發(fā)生規(guī)律性的變化，方向盤的轉(zhuǎn)動角度在駕駛員處于不同狀態(tài)下也會有所不同，容易出現(xiàn)車輛主動、長時間地偏離車道的情況等。ZiwenYu等人通過駕駛模擬實驗采集實驗駕駛員清醒狀態(tài)和疲勞狀態(tài)下的方向盤轉(zhuǎn)角、方向盤轉(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】：
期刊論文
[1]針對車輛與行人檢測的感興趣區(qū)域自適應分割算法[J]. 張文影,李禮夫.  科學技術(shù)與工程. 2020(05)
[2]大數(shù)據(jù)時代數(shù)據(jù)分析方法概述[J]. 龍草芳.  電腦知識與技術(shù). 2019(14)
[3]基于Cortex-M3處理器和SIM900A的可穿戴健康參數(shù)監(jiān)測系統(tǒng)設(shè)計[J]. 梁美麗,尹禮壽,陳立杰.  山東農(nóng)業(yè)大學學報(自然科學版). 2019(03)
[4]駕駛員疲勞狀態(tài)監(jiān)測系統(tǒng)綜述[J]. 于立嬌,吳振昕,王文彬,高洪偉.  汽車文摘. 2019(03)
[5]基于時序性面部動作信息的駕駛員狀態(tài)檢測框架[J]. 崔子巖,汪劍鳴,金光浩.  計算機應用研究. 2019(11)
[6]基于深度學習的駕駛員頭部姿態(tài)參數(shù)估計[J]. 阮志強,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]. 萬蔚,王振華,王保菊.  道路交通與安全. 2016(06)
[8]駕駛?cè)吮巢考∪庳摵啥垦芯縖J]. 張非若,陶鑫,王波,王文軍,成波.  中國生物醫(yī)學工程學報. 2013(06)
[9]基于多指標測試的駕駛疲勞高發(fā)時段[J]. 李君羨,潘曉東.  交通科學與工程. 2013(01)
[10]疲勞駕駛檢測方法研究進展[J]. 袁翔,孫香梅.  汽車工程學報. 2012(03)

博士論文
[1]草原道路簡單景觀環(huán)境下駕駛疲勞短時恢復特性研究[D]. 王玉化.內(nèi)蒙古農(nóng)業(yè)大學 2019
[2]基于生理信號的聯(lián)合收獲機駕駛疲勞檢測與評價[D]. 祝榮欣.東北農(nóng)業(yè)大學 2016
[3]基于信息融合的疲勞駕駛檢測方法研究[D]. 牛清寧.吉林大學 2014
[4]基于多普勒雷達的非接觸式生命體征檢測技術(shù)研究[D]. 胡巍.中國科學技術(shù)大學 2014
[5]駕駛員疲勞狀態(tài)檢測技術(shù)研究與工程實現(xiàn)[D]. 李志春.江蘇大學 2009

碩士論文
[1]基于頭部特征和姿態(tài)估計的疲勞駕駛檢測技術(shù)的研究[D]. 劉敏.東華大學 2019
[2]基于信息融合的駕駛員疲勞狀態(tài)檢測方法研究[D]. 方毅.哈爾濱工業(yè)大學 2018
[3]基于STM32的多功能智能健康手表設(shè)計[D]. 張自達.寧夏大學 2018
[4]基于CNNs和LSTM的駕駛員疲勞和分心狀態(tài)識別研究[D]. 李力.湖南大學 2018
[5]駕駛員疲勞狀態(tài)分析及其預警算法研究[D]. 于茲文.吉林大學 2018
[6]基于圖像信號與無線通信信號融合的室內(nèi)定位關(guān)鍵技術(shù)研究[D]. 李菲.北京郵電大學 2018
[7]基于多模態(tài)深度學習的疲勞駕駛檢測[D]. 杜立寰.上海交通大學 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.東南大學 2017
[9]基于眼動特征的軌道交通駕駛員駕駛疲勞檢測研究[D]. 嚴榮慧.蘇州大學 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 2016



本文編號：3511283