疲劳检测技术综述

开篇：润墨网以专业的文秘视角，为您筛选了一篇疲劳检测技术综述范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

疲劳是人体正常的生理反应,只要休息调节适当,本身并没有严重危害性。但对于特殊岗位人员来说,疲劳可以说是隐形“杀手”。每年因疲劳导致的安全事故层出不穷,给国家和人民生命财产安全造成巨大威胁。在道路交通领域,疲劳驾驶是引发交通事故的主要原因。据不完全统计,因驾驶疲劳导致的交通事故占北京交通事故总数的五分之一。在国家安防领域,疲劳是导致安防工作人员注意力下降,诱发各类问题的重要隐患。为此,加强实时疲劳检测,在驾驶人员或执行安防任务人员出现疲劳状态时及时进行监督预警,迫使其对自身行为进行控制、纠正,对确保人身安全和国家安全有着重要意义。本文以驾驶疲劳检测方法为典型代表,阐述近年来疲劳检测技术发展情况。

1检测驾驶疲劳的主要方法及其典型系统

1.1 针对生理信号的检测方法和典型系统

此类方法主要是借助医疗仪器和设备,对人体的生理信号进行实时检测,从而判断人体是否疲劳。如利用脑电图仪器检测脑电波(EEG),利用心电图仪器检测心电波(ECG)以及利用眼电图仪器检测眼电波(EOG)等等。其中EEG一直来被称为疲劳检测的“金标准”而被人们广泛关注。

科学研究发现,人体在清醒和疲劳状态时,脑电波、心电波以及眼电波等生理信号是不同的,人们根据其各自不同的相关性展开了深入研究。悉尼大学的Lal S K L和Craig A等人对EEG和疲劳关系进行了实验研究,分别描述了5个不同阶段脑电图的变化规律。实验表明人体在清醒和接近疲劳时,脑电图中δ和θ波形变换不大,在疲劳和极度疲劳阶段,δ、θ以及α波的变化都会加深。从疲劳状态惊醒时,β波会有变化。根据脑电波与疲劳程度的相关性,Tran Y等人用集中趋势测量法定义的采样熵和二阶差分结构对EEG信号进行分析,从而判断疲劳程度。Jap B T等人用脑电图的谱分量以及各个频带谱值比率关系来检测疲劳。王炳浩等人利用脑电仪,分别扫描驾车行驶时的动态脑电波与坐在椅子上清醒状态和瞌睡状态的脑电波,通过对比来判断是否瞌睡。Jeong等人通过采集驾驶员ECG信号和分析其心率变化来判断是否瞌睡。Toshiyuki M等人通过在驾驶室里监控心电图的P峰情况判断驾驶状态。Ohsuga M等人分析了EOG波形图中峰尖幅值、上升时间和下降时间三个参数之间的关系,得出了不同疲劳程度下的EOG波形图。Noguchi Y等人根据EOG波形图的分布情况,把不同类别程度情况画成柱状图,较为清楚地表示某时刻的眨眼类别和变化,从而判断是否疲劳。

此类方法虽然能直接反应人体疲劳程度,但是在应用中需要采用比较复杂的接触类装置而削弱了其发展空间。

其典型系统有:(1)MIT研制的Smart Car,内置各类传感器,可测量EKG、EMG等。(2)日本丰田公司设计了一款如手表一样的装置,通过测量脉搏、心律等生理信号进行疲劳分析判断。

1.2 针对人体反应特征的检测方法和典型系统

此类方法一般采用视觉方法识别判断人体在疲劳状态时的反应特征,如眼睛闭合,低头,频繁打哈欠等。其中基于眼睛睁闭特征来检测疲劳程度的PERCLOS方法是当前最为常用、最有效的方法。美国弗吉尼亚大学的Walt Wierwille在1994年建立了PERCLOS理论,它通过单位时间内眼睛闭合程度为80%以上的时间来判断疲劳程度。Grace R等人对PERCLOS进行了改进,他们利用视网膜对不同波长的红外光反射量不同来计算PERCLOS,获得较好效果。Weng等人利用模板匹配算法对眼睛睁闭情况进行识别,并改进了PERCLOS算法,以此来判断是否疲劳。郑培等人通过二维高斯模型、灰度匹配等定位眼睑开闭情况,并利用统计的方法来检测疲劳。Batista等人建立了一个基于3D模型的疲劳检测系统看,能够准确检测低头、打哈欠等疲劳特征。Chu JiangWei等人用Fisher分类器来提取嘴形和位置,将嘴巴区域的几何特征作为特征值,且将所有特征组成特征向量输入到三级BP网络中,得到三种不同的精神状态。Dong等人通过追踪估计驾驶员的脸部姿势,眼睛闭合程度、眼球偏转程度以及嘴型特征来判断是否疲劳。

此类方法是采取非接触方式来检测疲劳,系统设置方便,检测准确度高,但是容易受到光线以及驾驶员个体因素的影响。

其典型系统有:(1)美国Carnegie Mellon大学的Copilot工程开发了一款实时监控系统,并投入了商业运作。它利用PERCLOS测量眼睛开闭程度,系统装置小且使用方便。(2)美国明尼苏达大学开发了一款跟踪驾驶员眼睛的实时监控系统,具有定位准、处理速度快等特点。(3)澳大利亚的Seeing Machine公司开发了一个专门检测重型卡车驾驶疲劳的产品,其原理也是通过判断眼睛闭合程度来判断疲劳。(4)清华大学开发的驾驶疲劳检测系统,通过提取眼睛垂直投影特征,通过Hough变换,来检测眼睛睁闭,从而判断是否疲劳。(5)南京远驱科技有限公司生产的gogo850系统,除了能通过眼睛睁闭来判断疲劳外,还能在眼睛睁开的情况下,通过瞳孔的收缩度来判断疲劳。

1.3 针对车辆运行状况的检测方法和典型系统

此类方法主要是通过传感器监测车辆行驶路线、汽车运行速度、相对车道的偏离程度等,进而分析车辆运行是否正常,驾驶员操作动作是否合理,以此为依据来判断驾驶员的疲劳状态。Kim等人通过安装在车前的摄像机获取道路边界信息,去除不需要的边缘信息和阴影的影响,准确判断车辆是否运行在正确的道路边界之中。Jamal等人采用视频分析的方法对夜间以及弯道等复杂情况下车道检测进行了研究。Matsushita Y等人将提取的道路边缘信息看成是众多粒子,通过基于粒子过滤的方法检测其中的变化。Bertozzi等人利用道路几何形态特征来分析判断车辆运行情况,此方法能够在平坦路面上检测行驶方向。瞿洋等人采用自适应感兴趣区域选择以及根据车道状况确定帧处理策略来实时检测多种道路车道标线和行车偏移信息,从而判断驾驶员是否疲劳驾驶。

这些方法都是通过车辆运行中固有的信息来进行判断,减少相应的检测设备,且不会对驾驶员造成干扰,但由于它受车型、路况以及天气等多变的外在因素影响,检测驾驶疲劳的准确度不高。

其典型系统有:(1)美国Ellison Research Labs实验室研制的DAS2000型疲劳警告系统和美国ITERIS公司出品的一种路面信息报警装置,都能在车辆行驶偏离道路中线或路肩白线时,及时向处于疲劳状态的驾驶员发出警告。(2)西班牙人开发的Tech Co Driver系统,通过使用嵌入式方向盘传感器以及道路边线传感器来监视驾驶行为。(3)澳大利亚国际大学开发的DAS系统通过使用路面信息跟踪器来检测轮胎偏离车道情况,并在异常情况时发出报警。

2当前存在的问题及发展趋势

虽然近年来疲劳检测方法研究取得了重要进展,但仍有不少问题亟待解决。如检测不够准确,稳定性不强,且没有形成一个简洁高效的商业化系统产品。随着研究的深入和各类技术的进步,疲劳检测技术及其系统会变得更加稳定、实时、高效。

一是算法更加融合。针对当前检测方法易受个体特征、环境变化等影响,进一步提高疲劳特征提取的准确性,通过优化各种算法,融合多种疲劳特征检测参数,努力克服外部因素影响,使疲劳检测更加实时、准确。

二是系统更加智能。针对不同人体的不同特征,能够准确识别、分析、判断并进行推理,当驾驶员更换时,能够从新获取新个体的特征并进行有效训练,从而得出最适合的检测方法来判断是否疲劳。

三是标准更加统一。进一步总结归纳疲劳状态下人体的变化规律,制定统一的疲劳检测评价标准,能够定量分析各种检测方法,不断提高检测精度。

四是应用更加广泛。当前疲劳检测方法的研究主要集中于驾驶领域,其研究成果也主要应用于检测驾驶员疲劳状态,但这并不是意味着其他领域没有应用价值,随着信息化程度越来越高,许多领域如国家安防,部队任务,养生保健方面都可以应用疲劳检测方法,从而降低风险、提高工作效率。

3结语

本文在介绍近年来驾驶疲劳检测主要方法和典型系统的基础上,简要对比了其优劣性,分析了其发展趋势。无论针对何种检测方法来讲,今后研究的主要内容是进一步挖掘疲劳特征,融合各类算法,提高检测系统的实时性、准确性和鲁棒性,并进一步拓展其应用范围。笔者相信通过科研工作者和工程技术人员的不懈努力,疲劳检测技术必将在汽车安全领域及其他领域发挥不可或缺的作用。

参考文献

[1] 王炳浩,魏建勤,吴永红.汽车驾驶员瞌睡状态脑电波特征的初步探索[J].汽车工程,2004,26(1):70～73.

[2] Healey J,Picard R.Smart car:Detecting driver stress.In Proc.15th Int. Conf. Pattern Recognition,2002,101:218～228.

[3] Kircher A,Uddman M,Sandin J.vehicle control and drowsiness.Tech. rep. Swedish National Road and Transport Research Institute,2002.

[4] 郑培,宋正河,周一鸣.基于PERCLOS的机动车驾驶员驾驶疲劳的识别算法[J].中国农业大学学报,2002,7(2):104～109.

[5] Nikolaos P.Vision based detection of driver fatigue[C].IEEEInternational Conference on Intelligent Transportation,1997.

[6] Driver State Sensor-Fleet. Australia,2008.www.省略.

[7] 南京远驱科技有限公司.gogo850系统[EB/OL].www.省略,2009.

[8] 瞿洋,江朝辉,冯涣清.一种基于扫描线和区域生长的行车偏移检测算法[J].中国图像图形学报,2007,12(1):104～109.

[9] Nikolaos P.Vision based detection of fatigue[C].IEEEInternational Conference on Intelligent Transportation,1997.

[10] Soria J.2002.Llegael piloto technologico,2002:20～21.