疲劳驾驶检测方法研究进展
作者：
编辑：
来源：
发布日期： 2023-08-15 20:29:39
信息摘要：
摘要：介绍了疲劳驾驶的特征表现、产生原因以及目前国内外在疲劳驾驶检测技术和预警系统的研究成果及其发展趋势，分析了目前疲劳驾驶研究中存在的不足，提出了疲劳驾驶研究的两个平行发展方向，一是建立驾驶员的驾驶…
摘 要 ：介绍了疲劳驾驶的特征表现、产生原因以及目前国内外在疲劳驾驶检测技术和预警系统的研究成果及其发展趋势，分析了目前疲劳驾驶研究中存在的不足，提出了疲劳驾驶研究的两个平行发展方向，一是建立驾驶员的驾驶行为与疲劳表象之间客观、精确的数学模型；二是建立车辆行驶特征与疲劳程度的关系。
关键词：疲劳驾驶；检测方法；预警系统；发展趋势
中图分类号：U471文献标文献标志码：A文献标DOI：10.3969/j.issn.2095-1469.2012.03.001
世界卫生组织2009年的研究分析表明，37.91%的交通事故是由疲劳驾驶引起的。疲劳驾驶已经成为交通事故的重要因素，严重威胁着人们的生命和财产安全；找出疲劳驾驶的诱因及表征，快速、实时、有效地检测疲劳驾驶状态并向驾驶员发出预警信号，将能有效地减少交通事故发生的概率。近年来，国内外学者对监测疲劳驾驶状态的方法和装置都有较深入的研究并取得了一定的研究成果。其代表性的研究主要从3个方面进行：（1）从驾驶员的自身特征出发，通过特定设备检测驾驶员的生理参数或面部表情，根据驾驶员的特征模式在清醒状态与疲劳状态的不同，采用相应的模式识别技术进行疲劳检测。（2）从驾驶行为出发，通过传感器和视觉设备进行驾驶行为信号的采集，最后利用数理分析和模式识别技术达到检测驾驶疲劳的目的。（3）根据车辆运行特征间接判断疲劳驾驶，这种方法既可以用来检测驾驶员的疲劳，又适合进行长途运输管理。
1 疲劳驾驶诱因及疲劳驾驶表征
疲劳驾驶是指驾驶员在长时间连续驾车后，产生心理机能和生理机能的失调，出现诸如视线模糊、反应迟钝、动作呆板、腰酸背疼、驾驶能力下降等现象。
1.1疲劳驾驶的诱因
疲劳驾驶是驾驶员在人―车―环境这个大系统中产生的。驾驶过程中，驾驶员需要时刻接收相关信息，并实时地对之进行判断，做出相关决定和动作。在此过程中驾驶员的中枢神经系统始终处于高度紧张状态，容易导致他们的精神疲劳。同时，驾驶员的肢体因为不断操纵汽车也会引起其肩、臂、腿、脚等部位疲劳，坐姿的长时间固定引起腰、背疲劳，这些因素综合引起驾驶员的心理与体力疲劳。
1.2疲劳驾驶表征
驾驶员疲劳时会表现出一些特殊的生理现象和心理现象。根据驾驶时间的长短，疲劳驾驶可以分为短时间驾驶疲劳和长时间驾驶疲劳。通过对长途车驾驶员的问卷调查，可得出在不同时间连续驾驶出现的一些疲劳表征。
短时间驾驶疲劳出现的表征：（1）频频眨眼，感到有些疲劳，减少了对安全的注意。（2）换挡不及时，不准确，注意力出现不集中。（3）汽车不随路况的不同而及时改变速度等。长时间驾驶疲劳出现的表征：（1）口干舌燥，哈欠连天，频频点头，很难保持抬头姿势。（2）眼睛发干、发痛，眼睛时开时闭，打瞌睡，视线模糊。（3）精神不振，反应迟钝，判断迟缓。（4）往往下意识操作方向盘，车道偏离，分辨不清方位，车速盲目提高等。
此外，在道路条件太好且没有什么变化，或者驾驶员的精力不集中时，也会导致驾驶员产生视觉疲劳。
2 疲劳驾驶的检测方法及特点
目前的疲劳驾驶检测方法有很多，按照测量参数选取的不同可以分为：基于驾驶员本身特征的检测方法（包括检测生理信号和驾驶员的操作特征），汽车行驶状态的检测方法和多特征信息融合方法。这些方法均需要借助仪器对驾驶员的驾驶行为或状态进行实时监测和客观评价，属于被动检测方法。
此外，还有主观检测法，依靠驾驶员的日常驾驶记录或调查问卷，主要用来验证其他驾驶员疲劳检测方法的相关性。下面主要介绍几种被广泛认可的疲劳驾驶检测方法。
2.1基于生理指标的疲劳驾驶检测
相关研究表明，驾驶员在疲劳状态下，生理反应会变得迟钝，信号的激励响应出现延时，生理指标会偏离正常状态，因此可以利用生理传感器检测驾驶员生理指标的变化来判断驾驶员是否进入疲劳状态。目前较为成熟的检测方法包括检测驾驶员的脑电信号、心电信号、呼吸频率等方法。
（1）脑电信号检测。研究者[1-2]发现脑电波（EEG）与疲劳之间有一定的关系，疲劳状态变化的过程中，慢波增加，快波降低，即delta波和theta波增加，alpha波和beta波降低。基于脑电波波形与驾驶疲劳程度的这一关系，参考文献[3-4]进一步根据驾驶员在精力充沛时和疲劳驾驶时的脑电波频谱，分别选取alpha波和theta波在某一频带的平均功率谱密度比值作为疲劳驾驶的评价指标。为了确定采用delta波和alpha波实现驾驶疲劳预报是可行的，赵晓华等人[5-6]利用脑电仪在模拟驾驶中采集驾驶员的脑电数据，采用BP神经网络构建预报系统，分别对delta波、alpha波单独输入和两者同时输入时的预报精度进行验证。脑电信号一直被誉为检测疲劳的“金标准”。
（2）心电信号检测。研究表明，经过长时间的驾驶，驾驶员的心率变动幅度能反映驾驶员所承受的心理和生理上的负担程度。浙江大学的董占勋等人通过心率变异性（Hart Rate Variability，HRV）检测与眼动跟踪同步试验研究[7]，在HRV信号的线性指标中,表征交感2副交感神经张力平衡状态的频谱低频与高频部分比值与PERCLOS p80 值的相关程度最大，皮尔逊相关系数达到0.728,所以HRV可以作为实时监测驾驶疲劳的量化心电指标。因此研究心率（Heart Rate，HR）指标和HRV指标对于描述驾驶疲劳具有潜在的意义。许多学者对HR及HRV信号进行综合研究，结果表明，精神负荷的增加会使HRV信号降低，但对HR信号的影响不明显；随着体力负荷的增加，HRV降低的同时，HR信号也显著提高[8]。
（3）皮电信号检测[9]。随着驾驶疲劳征兆的出现，驾驶员的皮电信号呈上升趋势，并且随着疲劳驾驶时间的延长上升趋势逐渐平缓，最后趋于平稳。
（4）呼吸频率检测[9]。疲劳驾驶情况下，驾驶员的呼吸频率有总体变缓的趋势，并随着时间的延长而趋于平稳。
基于驾驶员生理信号的检测方法准确性比较高，但生理信号测量需要接触人的身体，检测设备会干扰驾驶员的正常操作，影响行车安全。而且，由于不同人的生理信号特征有所不同，并且生理信号与心理活动关联较大，所以，此法实际用于驾驶员疲劳检测时有很大的局限性。
2.2基于面部特征的疲劳驾驶检测
利用机器视觉技术或传感器技术检测驾驶员的面部特征，如眼睛特征、瞳孔的直径变化、视线方向变化及嘴部状态等来研究驾驶疲劳问题。
（1）眼睛特征检测。当驾驶员出现疲劳时，其眼睑运动速度变慢，眨眼频率会加快，同时眨眼的幅度随着工作时间的增加而降低[10]。比如：Hertmann等人[11]从眼睛凝视数据出发，通过瞳孔的直径变化情况检测驾驶员的疲劳状况。试验发现，当眼睛凝视坐标不变时，在疲劳前，瞳孔直径显示出缓慢波动模式；在出现轻微疲劳时，瞳孔直径减少；突发事件时，瞳孔直径突然增大，同时眼睛凝视的相关系数也快速振动。Boverie 等人[12]通过研究眼睑运动监视驾驶员的疲劳；Wang等人[13]在人脸识别后，用小波提取眼睛，最后用神经网络分类器进行疲劳识别；Mita和Ito等人[14-15]用眨眼频率在运动图像中检测驾驶疲劳。合肥工业大学设计了嵌入式实时驾驶员疲劳报警系统，该装置实时跟踪驾驶员的驾驶状态，获取其眨眼频率和持续驾驶时间等数据，用以判断驾驶员是否疲劳或是否集中注意力[16]。
目前被认为是最有应用前景的实时疲劳检测方法――PERCLOS（Percent Eye Closure，指在一定的时间内眼睛闭合时所占的时间比例），为了提高疲劳检测准确率，可以综合检测平均睁眼程度、最长眼睛闭合时间的特征作为疲劳指标，可达到较高的疲劳检测准确率[9]。通过眼睛特征检测驾驶员的疲劳程度，不会对驾驶员行为带来任何干扰，因此它成为这一领域现行研究的热点。
（2）视线方向的检测。把眼球中心与眼球表面亮点的连线定为驾驶员视线方向。清醒状态下，驾驶员正视车辆运动前方，同时，视线方向移动速度比较快；疲劳时，驾驶员视线方向的移动速度会变慢，表现出迟钝现象，并且视线轴会偏离正常的位置。通过摄像头获取眼睛的图像，对眼球建模，把视线是否偏离正常范围作为判别驾驶员是否疲劳的特征之一。
（3）嘴部状态检测。根据常识，人在疲劳时往往都有频繁的哈欠动作，如果监测到哈欠的频率超过一个预定的阈值，则判断已处于疲劳状态[17]。基于此原理，可以完成对驾驶员的疲劳检测。
研究表明，利用视频采集驾驶员的面部特征，判断驾驶员是否疲劳具有准确性高和可靠性高的优点，在性能上比基于生理信号的检测技术要强，而且是无接触的检测方法,驾驶员容易接受，但是这种方法对视频检测技术的要求比较高，测量的准确性与可靠性等相关的技术需要取得突破。
2.3基于头部位置的疲劳驾驶检测
在驾驶过程中，驾驶员正常和疲劳时其头部位置是不同的，可以利用驾驶员头部位置的变化检测疲劳程度。利用头部位置传感器，对驾驶员的头部位置进行实时跟踪，并且根据头部位置的变化规律判定驾驶员是否瞌睡。参考文献[18]中提出了利用微电机系统（Micro-Electro-Mechanical Systems，MEMS）技术的三轴加速度传感器ADXL330置于驾驶员的头部，通过采集驾驶员头部的加速度变化来检测疲劳。
2.4基于方向盘的疲劳驾驶检测
（1）驾驶员手握方向盘的压力检测。驾驶员趋于疲劳时，其对方向盘的握力逐渐减小。马来西亚Kebangsaan Malaysia大学对驾驶员手握转向盘压力变化进行统计学分析，寻找反映驾驶员疲劳状态的重要压力变化点，对疲劳驾驶及分神进行预警。意大利的Universit`a di Pisa 信息工程系[19]设计了一个分布式传感器网络――由16个电容传感器元件组成的传感器单元链，嵌入在方向盘里面，更精确更实时地用于汽车安全系统检查驾驶员的疲劳。
（2）方向盘的转角检测。驾驶员疲劳时对汽车的控制能力下降，方向盘转角左右摆动的幅度会较大，然后在一段时间内其值没有明显变化，同时操作方向盘的频率会下降。通过对方向盘转角时域、频域、幅值域的分析，方向盘转角的方差或平方差可以作为疲劳驾驶评价指标[20-21]。参考文献[22]则通过对方向盘转角的分析，采用模糊神经网络制定疲劳规则，利用改进的BP算法对驾驶员安全进行辨识，预防驾驶员疲劳。
驾驶员对方向盘的操作特征能间接、实时地反映驾驶员的疲劳程度，具有可靠性高、无接触的优点，由于传感器技术的限制，其准确度有待提高。
2.5基于车辆行驶特征的疲劳检测
基于车辆行驶特征的疲劳检测方法，不是从驾驶员本人出发去研究，而是从驾驶员对车辆的操控情况去间接判断是否有疲劳发生。该种检测方法主要利用CCD摄像头和车载传感器检测车辆本身的速度、侧向加速度、横向位移量、车道偏离和车辆行驶轨迹的变化等特征来推测驾驶人的疲劳状态。参考文献[23]通过模拟驾驶获得车辆行驶相关的参数如车速、方向盘角度、加速状态等，去噪后用小波分析提出高频信号特征，然后构造正常情况以及非正常情况的分类器。目前准确度较高的是以驾驶员面部表情和生理信号参数作为判断驾驶员疲劳程度的基准，然后建立疲劳与车辆行驶轨迹的关系模型[24]。这种方法不仅检测驾驶员疲劳，还可以把检测数据传输至长途运输管理中心进行统计分析，再由疲劳检测的结果采取相应管理处理和提供外部服务。
基于车辆行驶特征的疲劳检测设备不需要接触驾驶员，不会干扰其正常驾驶，以车辆的现有装置为基础，只需增加少量的硬件设施而且不会对驾驶员的正常驾驶造成干扰，因此具有很高的实用价值。其缺点是受到车辆的具体型号、道路的具体状况和驾驶员的个人驾驶习惯、驾驶经验和驾驶条件的限制，所以用此方法测量的准确性有待提高。
2.6基于信息融合技术的疲劳检测
从汽车主动安全出发，利用数字图像信号处理和传感器等技术，综合驾驶员的各种疲劳特征信息对驾驶员的疲劳状态进行判别与预警，大大降低了采用单一特征造成的误警或漏警现象。大量研究结果和试验数据证明，使用多特征综合监测驾驶员的疲劳驾驶状态是非常有效和有前途的方法，华南理工大学提出了一种基于多元信息融合技术的驾驶员疲劳检测方法[25]，即利用摄像头和传感器等装置检测眼睛特征、视线方向和驾驶行为，结合信息融合理论建立疲劳特征的判决构架，准确判断驾驶员的疲劳状态。
信息融合技术的应用，使疲劳检测技术得到更进一步的发展和提高，能客观、实时、快捷、准确地判断出驾驶员的疲劳状态，避免疲劳驾驶所引起的交通事故。
3 目前驾驶疲劳检测系统的研究成果
随着科学技术的发展，各种防疲劳系统和产品相继问世。无论是车载防疲劳系统还是加装防疲劳系统都体现了汽车产业与科技产业的紧密结合。现有的研究成果中具有代表性的有以下几种。
日本电脑便民公司开发的感知手握方向盘时脉搏跳动的疲劳报警系统[26]；澳大利亚Advanced Safety Concepts 公司研制的专门头部位置检测仪；沃尔沃汽车公司推出的能不断监测车辆行驶速度，判断车辆是否处于有效控制状态的驾驶疲劳警示系统[27]；沃尔沃汽车公司与澳大利亚国立大学合作研发了最新版FaceLAB系统[28]，以及准确度较高的车道偏离预警系统（LDWS）。这些防疲劳系统主要是通过一些电子检测仪，检测驾驶员的生理信号、操作行为和车辆行驶特征的变化，进而检测驾驶员疲劳并且预警。
目前市场上主流的防疲劳系统分为：通过车载摄像头进行面部特征捕捉，并基于采集到的特征进行疲劳驾驶判断预警的防疲劳系统（比如美国的Attention Technologies 公司推出的DD850和中国的南京远驱科技有限公司研发的“安乃达”牌疲劳驾驶预警系统gogo850）；还有通过汽车行驶时间与行驶里程来计算预警的防疲劳系统（AntiSleepPilot，ASP， 防瞌睡领航员技术）。
伴随着科技的发展，防疲劳技术也在不断进步。国内外专家已经利用驾驶模拟技术和相关检测手段开展驾驶疲劳的研究，并且取得了一定的成果。比如德国弗劳恩霍夫协会数字媒体技术研究所正在研发的预警疲劳驾驶监视仪，可对驾驶员的眼球运动情况进行检测，并通过声音、灯光以及振动等方式进行预警。这种监视仪重点监视瞳孔的移动方向和眼皮的位置，忽略驾驶员头部运动以减少误报的可能。北京工业大学的赵晓华等人[29]通过模拟驾驶仿真验证了用生理信号的综合指标作为驾驶疲劳评价指标的有效性；还通过正交试验分析了声音刺激的声强和刺激间隔对驾驶员状态的影响。试验证明声音刺激不仅对驾驶疲劳有警告作用，还可以在很大程度上减轻驾驶员的疲劳，这为以后的驾驶疲劳预警提示声音的设定提供了理论依据。
4 疲劳驾驶检测方法研究的不足及发展趋势
由上述对国内外关于疲劳驾驶检测方法研究情况的综述可以看出，目前关于疲劳驾驶的研究还存在如下几点不足之处。
（1）现有的疲劳检测方法的评价指标很难客观量化，且不完善。只能观察相关指标在疲劳前后是否存在显著性变化，无法准确判定什么时候进入疲劳驾驶状态。
（2）现今的疲劳驾驶检测装置不是检测效果不理想，就是成本太高，难以获得广泛的应用。因此，寻求高性价比的疲劳驾驶检测装置是目前研究人员关注的热点之一。
（3）利用视觉技术和传感器技术检测驾驶员的行为特征和车辆行驶特征，虽然现在的研究正在朝着非接触式、实时的检测疲劳，但是由于人体差异和复杂多变的外界环境影响，会给测量带来一定的难度。
（4）利用驾驶模拟技术和相关检测手段开展驾驶疲劳研究的方法虽然能够有效地减少实车验证的风险、费用与时间，但由于疲劳驾驶产生的相关机理和检测方法与手段还不够完善，相关仿真软件的有效性、检测精度与可靠性等方面还有待进一步提高。
（5）不论是从驾驶员自身特征还是从车辆运行特征方面看，可以直接获得的特征有限，直接获取的表面特征数据多且有冗余。因此一方面要对疲劳特征再进一步挖掘，提取最能表征疲劳的特征参数，另一方面要采用信号融合处理技术，将多个疲劳特征参数结合起来去对驾驶员疲劳状况进行检测，克服空间、光照、天气等影响，提高检测算法的实时性和准确度。
（6）疲劳表现特征因人而异，疲劳检测系统应该智能化，能够自学习、推断。在驾车初期，系统通过获取驾驶员的相关数据对系统自身进行训练，得出驾驶员的疲劳特征从而选择最适合该驾驶员的检测方法。
从驾驶舒适度、驾驶环境差异以及检测的方便性与可靠性等方面来看，目前基于车辆运行特征的疲劳驾驶检测方法比基于驾驶员生理参数以及操作行为的方法更受研究者关注。在“人―车―路―环境”驾驶系统中，寻求受非驾驶员因素影响比较小的车辆运行特征检测方法，实现传感器智能化与信息融合是未来疲劳驾驶检测方法研究的热点。综上所述，作者认为疲劳驾驶的研究将围绕两个平行的方向展开。（1）利用接触式传感器对人们的疲劳机理和表征进行精确研究，从机理上认识研究疲劳驾驶的特性，建立驾驶员的驾驶行为与疲劳表象之间客观而又精确的关联数学模型，为实现实时检测驾驶员疲劳驾驶提供理论依据。（2）利用智能传感器、信息融合与提取技术以及相关智能算法，通过理论建模和试验分析验证，建立车辆行驶状态与疲劳的关系，并利用高性能的数码智能平台构成智能实时处理系统，从技术上实现对疲劳驾驶实时、精确的检测，并利用现代电子控制技术实现疲劳驾驶的主动控制，从而有效地抑制疲劳驾驶事故的发生。
5结论
疲劳驾驶检测方法和判断准则的研究是国内外交通安全领域的研究热点，它牵涉到驾驶员在驾驶过程中的心理和生理的变化，需要高度发展的智能传感器、智能模式识别和汽车电子技术以及车辆动力学作为技术支撑。为了定量地分析车辆运行状态与驾驶疲劳的关系，驾驶疲劳检测的研究方向由目前的驾驶模拟仿真向实车试验过渡。疲劳驾驶对交通安全的影响越来越受到重视，疲劳驾驶检测方法和判断准则越完善，就越能够实现疲劳驾驶的实时检测与判别，为减少因为疲劳驾驶而导致的交通事故打下坚实的基础。
扫码添加专业顾问
