对脑电信号特征的驾驶疲劳检测方法

尹昱东

摘要

疲劳驾驶已成为一种严重的社会问题，但是目前业内依然缺要乏一种行之有效的疲劳驾驶预防与技术检测手段。本文提出了一种基于脑电信号特征的驾驶疲劳检测方法，文中采用疲劳驾驶模拟试验方法，通过分析研究对象面部表情变化情况，探讨了驾驶员疲劳状态与其脑电信号特征之间的关联性。在此基础上，本文分别提取研究对象脑电信号特征值中的“δ、θ、α与β”四种脑电节律能量值进行疲劳指数对比分析。

【关键词】脑电信号 特征值 驾驶 疲劳检测

1前言

随着汽车数量不断增加，每年因疲劳驾驶所引发的交通事故量也在上升。因此，有效检测及预防疲劳驾驶己成为一种重大社会问题。本研究基于国内、外相关学者提出的疲劳驾驶主观检测方法、图像处理检测方法、车辆状态及驾驶操作检测方法和基于驾驶员生理特征数据的客观检测方法等，综合驾驶员在疲劳驾驶过程中的驾驶员面部表情、头部位移、嘴角下垂、眼睛闭合、車辆速度、侧位移、侧加速度等因素，设计了一种疲劳驾驶模拟试验方案，希望通过对驾驶员在驾驶过程中的脑电信号变化特征进行记录与数据对比、分析，以此找到其脑电信号与疲劳驾驶之间的线性关系，从而对驾驶员疲劳驾驶情况进行检测。

2基于脑电信号特征的驾驶疲劳检测试验方案

（1）为了找到驾驶员脑电信号特征参数与其疲劳驾驶之间的关系，本文随机选择六名被试对象进行模拟试验分析。被试人员均自愿积极配合试验，身体健康无操作障碍。

（2）在疲劳驾驶模拟试验前，通过辨别试验分别获得被试对象试验前的反应数据。在正式试验环节，被试验人员要观看行车视频以便对其整个模拟试验过程中的脑电信号和面部表情进行记录。模拟试验结束后，还要通过辨别试验再次测试被试对象的不同反应时间数据。

（3）本次疲劳驾驶试验均在脑信息学研究室的专业隔音屏蔽脑电实验室内进行。驾驶员脑电信号记录采用64导SynAmps2脑电放大器操作；电极配置采用国际标准导联10-20 electrode system；试验过程中被试人员坐在显示器正前方150cm处；在被试人员右前方110cm处放置一台摄像机，负责拍摄被试驾驶员整个模拟试验过程中的相关面部表情。

3基于脑电信号特征的驾驶疲劳检测试验数据处理分析

通过试验，六名被试人员在试验前后所测得的平均反应时间分别为（410±55.7）ms和（445±60.5）ms，然后基于统计学分析软件spss22.0，对研究对象前、后两组反应时间数据进行配对T-test分析。最终数据分析结果显示，试验对象在试验后的反应数据要明显慢于反应前的试验数据。

与此同时，采用专用数学分析软件MATLAB 2012和脑电分析处理软件Neuroscan4.3离线分析驾驶员在疲劳驾驶模拟试验中的脑电数据。为了获取更加优质的数据源，防止眼动和高频信号对驾驶员脑电信号生产干扰，数据处理前，本试验针对采集的原始脑电数据进行去眼电预处理和滤波处理，并将频率为0?30Hz范围内的脑电数据保留。数据预处理后，按照时间将lh内的脑电数据以lOmin为一段进行六等分；然后，采用小波分解法截取驾驶员前5s脑电数据中的δ波、θ波、α波和β波四种脑电节律能量数据进行处理、分析，以将其作为疲劳驾驶检测模型建立的数据源。

通过对模拟检测设备中各极通道内的脑电数据及脑电形图进行对比分析，最终发现每位被试人员大脑顶区脑电能量参数值存在较大差异。如下图1和表1分别为六名驾驶员不同时段内，基于脑电信号特征的驾驶疲劳检测能量值与δ波、θ波、α波和β波四种脑电节律能量变化曲线图。

通过上述表1和图1可以看出，随着时间段1向时间段6逐渐过渡，驾驶员p波的节律平均能量值在逐渐减小。由时间段1的503507μV2降低至时间段6的155681μV2；而δ波、θ波、α波则随着时间段1向时间段6逐渐过渡，驾驶员的节律平均能量值在逐渐增大，其中δ波由时间段1的40316μV2增加到时间段6的412519μV2；θ波由时间段1的55071μV2增加到时间段6的226046μV2；α波则由时间段1的60135μV2增加到时间段6的324618μV2。在时间段1-时间段3这段试验期内，被试者的δ波、θ波、α波脑电节律能量值增长速度较慢；在时间段3-5这段试验期内，被试者的δ波、θ波、α波脑电节律能量值增长速度逐渐加快，而θ波、α波在时间段5-6这段试验期内基本保持不变，δ波能量持续上升。

4结论

从图1中被试者的面部表情变化情况中可以发现，随着试验时间增加，被试者精神状态逐渐由清醒变为呆滞。最后甚至陷入极度疲劳状态，由此表明，当被试者意识处于清醒状态时，其α波、β波两种脑电节律能量占据主导优势；当其意识极度模糊甚至陷入睡眠状态时，δ波、θ波两种脑电节律能量占据主导优势，从中说明驾驶员驾驶疲劳程度与其相关被测疲劳指数之间成正相关关系，这一模拟试验结论为驾驶员基于脑电信号特征的驾驶疲劳度检测提供了有益参考。

5结束语

综上所述，驾驶员疲劳程度与疲劳指数呈正相关。模拟试验结果表明，基于脑电信号特征的驾驶疲劳检测方法较为合理、可行，检测结果显示，驾驶员被试疲劳程度与疲劳指数之间存在密切的关联性，其疲劳指数越大，疲劳程度就越严重，这一方法为驾驶员疲劳检测与安全驾驶防范提供了一种新的实践思路与手段。

参考文献

[1]李响，谭南林，李国正，郭然.一种应用语音多特征检测驾驶疲劳的方法[J].仪器仪表学报，2013，34（10）：2231-2237.endprint