驾驶员精神疲劳检测方法综述

武警工程大学信息工程系 徐龙顺



驾驶员精神疲劳检测方法综述

武警工程大学信息工程系 徐龙顺

【摘要】针对进十几年来驾驶疲劳检测技术的发展，对驾驶员疲劳检测相关技术和方法进行综述。基于驾驶员的疲劳检测方法主要分为基于行为特征的检测方法和基于生理信号的检测方法；基于车辆的检测方法主要通过检测车辆行驶参数来间接判断驾驶员是否疲劳。详细介绍了过去几十年大家公认的驾驶疲劳检测技术的可行方法，并介绍了相关产品及其优缺点，最后探讨了驾驶员疲劳检测技术的技术难点及发展趋势。

【关键词】疲劳检测；生理信号；车辆行为

0 引言

精神疲劳作为大脑在认知和行为控制过程中产生的心理生理现象，对驾驶过程中的安全有着极大的负面影响，研究驾驶疲劳检测技术，对于降低交通事故的频率有着极为重要的意义。

目前主要从两个方面检测驾驶员的疲劳情况：一是从车辆着手，记录并分析车辆行驶路线、速度变化情况以及方向盘转动特征等，提取参量特征进而判断驾驶员状态；二是从驾驶员入手，主观方面，主要是通过自我调查问卷的形式了解驾驶员生活方式等进行辅助判断，客观方面，主要是通过检测驾驶员的生理信号以及眨眼频率和面部表情等特征来判断驾驶员状态。

1 基于车辆行为的驾驶疲劳检测

随着驾驶时间的增加，驾驶员精神疲劳程度逐渐加大，注意力下降，进而对于驾驶环境的认知能力下降，反应时间增加，对车辆的控制精度降低，从而驾驶员对汽车的操作变量及车辆行驶路线等参量的特征会出现变化，因此可以通过车辆行驶状态参数判断驾驶员疲劳状态。利用驾驶员驾驶时间、方向盘转角等设计基于单片机的疲劳驾驶检测系统，成本低，算法简单。这些技术相对成熟且成本较低，但是其灵敏度不高，且易受外界环境影响，比如车道偏离报警系统检测驾驶员疲劳状况，只有在车道边沿有白色标志线的高速路段和城区路段才能使用。

2 基于驾驶员行为特征的驾驶疲劳检测

从驾驶员行为特征着手，主要通过检测驾驶员面部特征变化来判断疲劳，主要包括眨眼频率、眼睛转动速度、眼睛闭合度、闭眼持续时间占空比、嘴部状态、头部位置等参量，提取其特征量，以相应的算法判别驾驶员是否疲劳。

2.1 眼睛行为参量

眼睛行为包括眨眼频率、瞳孔大小、眼睛闭合度、眼睛转动速度、闭眼持续时间占空比等，前人的研究主要是通过截取驾驶员驾驶时的图像，通过图像处理来检测驾驶员眼睛状态。相关人眼快速检测算法较多，反映出眼睛行为是判断疲劳驾驶的经济有效指标，且技术相对成熟。但利用眼睛状态来判断驾驶员疲劳状况，视线跟踪技术也面临很多问题,如在被测人头自由转动的情况下,视线很难准确跟踪到,导致示警系统不能始终如一正确地告诉驾驶员疲劳出现。

2.2 面部表情与头部运动

驾驶员在精神疲劳时往往会在脸部表现出来，进而面部表情与正常状态时有明显差异，通过提取驾驶员打哈气频率及头部转角参数特征可以有效检测驾驶员状态，但面部识别系统同样要求用户必须在摄像头范围内，影响用户体验。

3 基于驾驶员生理信号的驾驶疲劳检测

主要通过检测驾驶员脑电信号、心电信号、血压、肌电信号、眼电信号等生理信号来检测驾驶员疲劳状态，生理信号检测驾驶员疲劳状态客观有效，且准确率高，尤其是脑电信号，被誉为“黄金标准”。

3.1 脑电信号

大脑是控制运动、产生感觉及实现高级脑功能的高级神经中枢，通过精密的电子仪器，从头皮上将脑部的电位变化放大，并记录下来，就是脑电图，共有α、β、θ、δ四个波段，反映大脑不同的状态。

作为世界消费领域生物传感技术的领导者，美国NeuroSky公司开发了一款意念控制的头戴式设备，通过检测脑电信号α和β波段的变化判断用户注意力和放松度，当脑波位于β波段时，大脑处于专注状态，而位于α波段是处于放松状态。脑电信号的四个波段进行简单计算如（θ+α）/β有很明显的变化，表明利用脑电信号不同波段的运算法则提取特征量对于判别驾驶员精神疲劳有重要意义。更早的研究有功率谱分析等经典信号处理方法，将脑电信号视为平稳信号，而有研究则表明，脑电信号具有非线性特征，复杂度、近似熵等非线性特征逐渐被用来分析脑电信号变化规律。便携式无线脑电信号采集设备的发展，大大减小了用户采集脑电信号时的厌烦情绪，为日后脑电信号的理论研究走向应用奠定了基础，脑电信号正成为研究驾驶员疲劳状态的最可靠指标之一。

3.2 心电信号

心电信号是指心脏活动时心肌激动产生的生物电信号，与脑电信号相比，众多非接触式的心电信号采集设备也为其在驾驶疲劳检测中的应用奠定了基础。对心电信号的研究主要是提取心率参量，观察其心率变异性，心率变异性是指心率节奏快慢或RR间期随时间所发生的变化情况，反映心脏自主神经系统对心血管系统的调控以及该系统对各种影响因素的应答。

驾驶员疲劳前后心电信号的时域、频域及非线性特征均有明显不同。参加模拟驾驶任务后，受试者交感神经活动增加而副交感神经活动降低，表明心电信号变化特征可以作为检测驾驶员疲劳状态的指标之一。

3.3 肌电信号和眼电信号

眼电图是测量在视网膜色素上皮和光感受器细胞之间存在的视网膜静电位，日本著名眼睛厂商JINS在2014年召开发布会，推出了一款利用眼部潜在传感技术来检测受试者疲劳程度的智能眼镜，通过检测受试者8个方向的眼部活动来判断用户疲劳状态。

肌电图可以确定周围神经、神经元、神经肌肉接头及肌肉本身的功能状态，用sEMG信号的时频分析可以评估驾驶员肌肉疲劳状态。

4 展望

综合来看，通过车辆行为参数来判别技术上较容易实现，成本较低，但易受外界影响；随着生理信号非接触式采集设备的发展，生理信号疲劳检测相关理论也越来越成熟，受到越来越多的关注。在过去的20多年，驾驶疲劳检测技术得到了突飞猛进的发展，相关理论体系已经趋于完善，但仍存在不少问题。一是个体差异问题，二是用户体验问题。众多已成形的产品没有广泛推广开来，主要是由于检测失误率较大，还没有达到用户期望的效果，由于采集设备的繁琐，影响用户驾驶时的舒适度也是一重要原因。由于大量数据的采集及计算分析，造成系统延迟较大，设备成本高等问题也是影响设备推广的关键因素。

参考文献

[1]屈肖蕾.基于转向操作和车辆状态的疲劳驾驶检测方法研究[D].北京:清华大学,2012．

[2]周云鹏,朱青,王耀南,等.面部多特征融合的驾驶员疲劳检测方法[J].电子测量与仪器学报,2014(10):1140-1148．

[3]Borghini G,Astolfi L,Vecchiato G,et al.Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload,fatigue and drowsiness[J]. Neuroscience and Biobehavioral Reviews,2014(44):58-75.

[4]周展鹏,孔万增,王奕直,等.基于心电和脑电的驾驶疲劳检测研究[J].杭州电子科技大学学报,2014(03):25-28．

[5]吴群.基于心电信号的驾驶疲劳检测方法研究[D].杭州:浙江大学,2008.