驾驶疲劳检测技术概述

张 驰,马广露，朱国华

(1.辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001; 2.重庆交通大学 交通运输学院，重庆 400074；3.泽一交通工程咨询(上海)有限公司，上海 201210)

0 引言

驾驶疲劳已成为引发交通事故的重要因素之一，一直以来导致交通事故居高不下.美国每年有超过7 500起致命交通事故是由驾驶疲劳造成的，大约占总事故的25%[1]，据我国交通部门的统计，因驾驶疲劳造成的交通事故约占总交通事故的20%、特大交通事故的40%以及交通死亡人数的83%[2].随着智能交通的发展，驾驶疲劳检测技术作为智能交通系统中的安全辅助驾驶技术受到越来越多的重视.

目前，常用的驾驶疲劳检测方法有基于驾驶人生理学特征的检测、基于驾驶人行为特征的检测、基于车辆行为特征的检测[3]以及基于多源信息融合的检测方法.本文在给出驾驶人疲劳检测技术应用现状的基础上，从驾驶人疲劳判别的研究、可穿戴设备在驾驶疲劳检测中的应用、多信息融合及多功能智能车载设备的研发、大数据及云计算技术在驾驶人疲劳检测的应用4个方面指出了驾驶疲劳检测的发展趋势.

1 驾驶疲劳检测原理

对驾驶疲劳的检测，主要是通过检测驾驶人生理学特征、驾驶人行为特征以及车辆行为特征变化来进行.

驾驶人疲劳后，其生理学特征会发生一定的变化，如EEG(脑电信号)、ECG(心电信号)、EOG(眼电信号)、EMG(肌电信号)等人体生物电信号以及血压、血液中化学物质(如唾液淀粉酶的含量)、温度等，表1列举了一些生物学信号的性质，可以通过测量驾驶人的这些生理学特征变化，通过设定阈值来对驾驶疲劳进行检测.

表1 生物学信号的性质[4]

驾驶人生理学特征发生变化后，往往导致行为特征发生变化，如人眼的状态(眨眼幅度、频率以及平均闭合时间等)、头部活动(频繁点头、头部长期不动)、面部特征等.其中较为常用的是通过人眼的状态进行驾驶人疲劳状态的检测，广泛采用的算法是PERCLOS(percentage of eyelid closure over the pupil over time)算法，将眼睑闭合度作为驾驶疲劳的度量指标，PERCLOS值越大，驾驶疲劳程度越深.

基于车辆行为特征的疲劳检测是指通过检测驾驶人操作车辆的方向盘、加速踏板、制动踏板等操作行为以及车辆的行驶速度、加速度、车身横摆角度和车道偏移量等车辆行驶相关信息来间接确定驾驶人的疲劳程度.

2 驾驶疲劳检测技术现状

2.1 基于生理学特征的检测

基于生理学特征的检测技术往往与驾驶人直接接触，具有检测准确性高的特点，不少科研机构和设备厂商开发了一些检测设备.

美国生物传感器领导者NeuroSky公司，开发了通过检测EEG(α和β波段)来判断用户注意力及放松度的头戴设备；诺丁汉伦特大学研究团队研发的车载嵌入式非侵入性心脏和呼吸传感器可以测量驾驶人的心率和呼吸状态；日本便民计算机公司通过安装在方向盘上的传感器来检测驾驶人的脉搏跳动；日本东京大学研发了能够戴在驾驶人手腕上通过检测驾驶人汗液中的酒精、乳酸和氨的含量，并将数据实时上传至研究中心进行分析来判断驾驶人的疲劳程度.

图1 基于生理学特征检测装置

图2 驾驶疲劳检测摄像头安装位置

2.2 基于驾驶人行为特征的检测

由于疲劳产生的驾驶人生理学特征的变化往往导致驾驶人外部行为特征的变化，基于驾驶人外部行为的检测技术一般与驾驶人无接触，驾驶人容易接受，常常采用计算机视觉的方式进行检测、运用PERCLOS作为疲劳检测预警指标.为了提高检测的精确性，有的检测技术还结合驾驶人的面部表情、头部及嘴部状态进行检测.

在20世纪90年代，美国研制的打瞌睡驾驶人侦探系统(DDDS，The Drowsy Driver Detection System)是典型的代表，此外还有美国Guardvant Inc的OpGuard系统、瑞典SmartEye公司的AntiSleep系统、LSM Technologies公司的DFM(Driver Fatigue Monitor)系统以及国内广东安行智能科技有限公司、南京远驱科技有限公司、上海径卫视觉科技有限公司、苏州清研微视电子科技有限公司的驾驶人疲劳检测系统.

2.3 基于车辆行为特征的检测

基于车辆行为特征的驾驶疲劳检测技术一般是通过检测车辆异常状态间接确定驾驶人的疲劳程度.该疲劳检测技术较为简单，但实时性较差.

美国Electronic Safety Products公司开发的转向操作注意监视器S.A.M(steering attention monitor)以及西班牙防疲劳系统Spanish ADS(Anti-Drowsiness System)，是通过检测方向盘的异常来判断驾驶疲劳状况.Ellison Research Labs实验室研制的DAS2000型路面警告系统、ITERIS公司出品的路面信息报警装置、Assist Ware Technology公司的Safe TRAC以及leris公司研制的Auto Vue系统是通过判断车辆运行轨迹偏离道路中线或者路肩白线向驾驶人发出警告.美国公路交通安全管理局在2016年3月发布的防止驾驶疲劳的10项工程措施中包括建设路侧震动带，并指出该项措施可以减少50%的驾驶疲劳事故[5].

2.4 基于多源信息融合的检测

单一的检测技术对驾驶疲劳的检测准确性不高，为了提高驾驶疲劳检测的准确性，常常运用多种检测方式进行检测，并对检测结果进行综合分析来判断驾驶人的疲劳状态.

欧盟研发“AWAKE”系统，通过检测驾驶人眼睑、注视方向、方向盘转角、握力信息以及车道线跟踪等信息，对这些信息进行综合分析来对驾驶疲劳进行判断分析，根据驾驶人的疲劳程度采取不同的预警策略.梅赛德斯-奔驰的注意力辅助系统(Attention Assist System，ASS)，通过红外摄像头连续记录驾驶人的眨眼频率和每次眨眼时长，同时考虑驾驶人的脑电信号、车辆的运行状态等多种因素，来对驾驶人的疲劳状况进行检测.卡特彼勒的疲劳驾驶风险管理系统，通过智能手环监视驾驶人的身体状况，并采用驾驶室内摄像头使用具有专利的眼部和头部定位算法来对驾驶人疲劳状态进行综合检测，一旦发现驾驶人走神，驾驶室就会报警.

2.5 各种类型检测技术的对比分析

常常采用实时性、准确性、费用以及侵入性作为判断驾驶疲劳检测技术的指标.实时性是指检测器对驾驶人疲劳检测响应是否及时；侵入性是指检测器是否与驾驶人直接接触，侵入表示与驾驶人直接接触，非侵入表示与驾驶人不直接接触.侵入检测器对驾驶人影响较大，驾驶人往往会产生排斥，不利于推广应用.表2从实时性、准确性、费用以及侵入性对上面4种检测技术做了对比分析.

表2 各种类型检测技术的对比分析

3 驾驶疲劳检测发展趋势

3.1 驾驶人疲劳判别的研究

我国规定驾驶人连续驾车超过4 h[6]可认为是疲劳驾驶，防范相对比较简单，没有考虑驾驶人在开始驾车时的疲劳状况以及驾驶人的个体差异，缺乏对驾驶人疲劳程度进行有效的判别方法及标准.

驾驶疲劳除了受驾驶时间的影响外，还受到道路交通环境以及驾驶人本身等因数的影响，常见的驾驶人疲劳生成机理有力源消耗论、疲劳物质积累论及中枢系统变化论[7]等.然而，目前对驾驶人疲劳生成机理的研究停留在假说阶段，研究也不够深入且过于理论化，导致驾驶疲劳的判别精细化程度较低、漏检率比较高.因此，研究驾驶人的疲劳生成机理、确定驾驶人疲劳指标、建立驾驶疲劳模型，进而对驾驶人疲劳程度进行判断很有必要.

3.2 可穿戴设备在驾驶疲劳检测中的应用

智能手表、手环、眼镜、以及耳机等可穿戴设备逐渐流行，可用于驾驶人信息的采集，将获取的信息连接到车载电脑、智能手机[8]或者信息中心进行数据实时分析、可视化显示，进而对驾驶人的疲劳程度进行检测.可穿戴设备对驾驶人进行疲劳检测与驾驶人直接接触，检测的准确性较高.

基于iWatch的驾驶疲劳软件的开发、Optaler的智能眼镜、富士通的“FEELythm”耳麦、奥迪健康司机(Audi Fit Driver)系统中的智能手环等已在驾驶疲劳检测方面进行了应用.作为可穿戴设备的手环对驾驶人影响较小，相比于其他产品应用更为广泛，研发的产品也较多，手环通过检测驾驶人的心率变异性(Heart Rate Variability，HRV)来判断驾驶人的疲劳程度.HRV是指逐次心跳周期差异的变化，研究表明HRV能够反应人的健康、疲劳程度.奥迪研发的健康手环可以判断驾驶人的状态，包括驾驶人是否疲劳驾驶、压力大小以及健康状况.英国Advicy technology 公司研发的AdvicyDrive、日本Nissan公司研发的smartwatch也都是通过HRV来检测驾驶疲劳的.

3.3 多信息融合以及多功能智能车载设备的研发

多信息融合结合生理学特征、驾驶人行为特征、车辆行为特征等检测技术的优势，通过智能设备综合分析，可大大提高对驾驶人疲劳水平检测的准确性.随着检测器成本的降低、各种检测器的普及以及多信息融合处理方法的发展，未来基于多种检测器的信息融合将会更加普及.另外，随着各种车载检测设备的增多，给检测设备的布设、安装、维护增加了难度，各种检测器干扰严重，稳定性、准确性也降低，因此融合多种检测技术的综合智能车载驾驶疲劳检测设备的研发也是驾驶疲劳检测技术的发展趋势.

融合了多种检测技术的疲劳检测系统(上文提到的欧洲的“AWAKE”、奔驰的“ASS”、 卡特彼勒的疲劳驾驶风险管理系统等)已经在驾驶疲劳检测方面得到了应用.另外，丰田的驾驶疲劳系统由红外摄像头与一体化的电子控制单元(Electronic Control Unit，ECU)组成，通过摄像头对驾驶人面部状态以及眼睛的开合频率进行数据采集，进而判断驾驶人疲劳状态；福特将车辆行驶轨迹、驾驶人行为、周围环境以及生物监测信息4个维度进行检测，数据的运算能力通过单独的模块进行整合.

3.4 大数据及云计算技术在驾驶人疲劳检测的应用

单一车辆的驾驶疲劳检测技术很难满足对数据资源共享能力、数据统计分析能力的要求，而大数据、云计算技术的发展为解决这一问题提供了技术保障.通过建设统一的云架构管理平台，将所有驾驶人及车辆运行所产生的相关数据汇聚到统一的平台上，运用大数据分析技术充分挖掘驾驶疲劳与驾驶人的相关关系，并针对驾驶人个体之间的差异，实行差异化管理，能有效提高驾驶疲劳检测的准确性、实时性；同时，也可对驾驶人的疲劳进行事先预防，避免驾驶疲劳检测的被动性.

日本三菱通过采集驾驶人实时驾驶数据，建立相对正常和安全的驾驶习惯标准，并对不正常的驾驶人驾驶状态进行预警，使得预测准确率提高了66%.日本堀场制作所和日本Unisys公司合作，利用安装在卡车上用来记录速度、发动机转速、位置信息等行驶信息的数字行车记录仪和在行驶时录下车内外图像的汽车黑匣子收集数据，以无线方式将各种行驶数据及时发送给Unisys运营的数据中心，将这些数据存储在云上，运输公司可通过互联网确认车辆运行情况，并对疲劳驾驶的征兆建模，对驾驶人疲劳状态进行检测.国内的极限元(北京)智能科技股份有限公司推出的车载疲劳驾驶检测仪，通过采集超过50万名驾驶人的大数据，采用深度神经网络的检测模型来检测疲劳驾驶状态.

4 结束语

本文在对驾驶疲劳检测原理进行分析的基础上，介绍了目前基于驾驶人生理学特征、驾驶人行为特征、车辆行为特征以及多源信息融合4种用于驾驶疲劳检测的技术，对其进行对比分析；并从驾驶人疲劳判别的研究、可穿戴设备在驾驶疲劳检测中的应用、多信息融合以及多功能智能车载设备的研发、大数据及云计算技术在驾驶人疲劳检测的应用4个方面给出了驾驶疲劳检测的发展趋势.目前汽车工业发达的美、日、欧、澳已将不少驾驶疲劳检测技术用于驾驶人的疲劳检测.驾驶疲劳作为引发交通事故的重要原因之一，今后驾驶疲劳检测技术将会受到越来越多的关注.

[1] Wheaton A G,Shults R A,Chapman D P,et al.Drowsy driving and risk behaviors-10 States and Puerto Rico,2011—2012.[J].Mmwr Morbidity & Mortality Weekly Report,2014,63(26): 557-562.

[2] 呙腾,冯桑,黄超.基于生物电信号的驾驶疲劳检测方法[J].汽车电器,2014(8): 65-68.

[3] 张恒.基于近红外图像的疲劳驾驶检测研究与系统实现[D].西安: 长安大学,2015.

[4] Stork M,Skala J,Weissar P,et al.Various approaches to driver fatigue detection: A review[J].2015: 239-244.

[5] NHTSA[EB/OL].http://www.nhtsa.gov/Driving-Safety/Drowsy-Driving/scope%E2%80%93of%E2%80%93the%E2%80%93problem.

[6] 中华人民共和国道路交通安全法实施条例[Z].2004.

[7] 谢晓莉.驾驶疲劳生成机理研究[D].北京: 北京工业大学,2010.

[8] Abulkhair M,Alsahli A H,Taleb K M,et al.Mobile platform detect and alerts system for driver fatigue [J].Procedia Computer Science,2015,62: 555-564.