|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于脑电图识别结合操纵特征的驾驶疲劳检测显示文摘精神疲劳影响驾驶员的警觉性和安全驾驶能力,引发的交通安全问题不容忽视。将脑电图识别与车辆操纵特性相结合来检测驾驶员的疲劳状态,预期为搭建疲劳驾驶检测系统提供理论及实验依据。设计了模拟驾驶实验,采集被试者的脑电图(EEG)信号和对应的方向盘操纵数据;针对疲劳程度三分类问题,利用小波包变换和共空间模式算法对EEG信号进行特征提取;依据车辆操纵特性评估驾驶员疲劳程度来确定EEG信号的分类标准;并选择支持向量机对EEG信号进行分类以完成对驾驶员精神疲劳状态的定性分析,分类准确率可达94.259%。 | 王斐 王少楠 王惜慧 彭莹 杨乙丁 | 2014 | 仪器仪表学报2014，35，2： | 44 |
| 2 | 基于眼动特征的疲劳驾驶检测方法显示文摘为了提高疲劳驾驶检测模型准确率和实时性,基于驾驶模拟实验,利用Smart Eye系统提取了驾驶人不同驾驶状态下眼动数据。基于眼动参数协议,提出了眨眼频率、PERCLOS、注视方向和注视时间4个特征参数的计算方法。分析了各特征参数的最优时窗,针对不同特征参数最优时窗差异,提出了滑移时窗的数据融合方法。基于支持向量机,搭建了疲劳驾驶检测模型。实验结果表明,该模型可以有效地进行疲劳状态检测,准确率能够达到83.84%。 | 牛清宁 周志强 金立生 刘文超 于鹏程 | 2015 | 哈尔滨工程大学学报2015，36，3： | 39 |
| 3 | 驾驶人疲劳监测预警技术研究与应用综述显示文摘基于各种物理传感器的疲劳驾驶监测预警技术(DFMP),是交通安全领域的研究重点。这类技术主要包括基于驾驶人生理特征、车辆运行状态以及驾驶人行为特征的疲劳监测。分析论述各种疲劳监测技术的研究现状与进展、优缺点以及应用状况,介绍目前世界上常用的疲劳监测系统。通过分析比较得出:车道偏离监测、车辆运动参数监测、基于人眼、头部运动以及面部状态的疲劳监测等是目前的热点研究方向;系统软硬件的提升、基于机器视觉的多传感器多参数信息融合等是疲劳监测技术重要的发展趋势;更强的实时性、准确性和鲁棒性是疲劳监测技术的发展目标。 | 程文冬 付锐 袁伟 郭应时 | 2013 | 中国安全科学学报2013，23，1： | 26 |
| 4 | 基于多通道信息融合的疲劳驾驶行为分析研究显示文摘为了克服单一通道信息在驾驶疲劳行为判定中的局限性,提出了综合运用多通道信息融合共同判定驾驶疲劳行为的方法。该方法在充分考虑各信息源相关性和互补性的基础上,优化采用驾驶人疲劳特征ECD、车道偏离程度SAAE、方向盘转动程度SWA等疲劳判别指标,运用MVAR进行多维特征向量提取,以有向无环支持向量机为融合算法,建立了基于多分类支持向量机的驾驶疲劳行为判定模型。结果表明,运用DAG-SVM进行多通道信息决策提高了疲劳驾驶行为检测的准确性和可靠性。 | 秦洪懋 刘志强 汪澎 | 2011 | 中国安全科学学报2011，21，2： | 18 |
| 5 | 基于人眼状态信息的非接触式疲劳驾驶监测与预警系统显示文摘疲劳驾驶预警系统对保障驾驶员的安全驾驶具有十分重要的作用。以驾驶员人眼图像信息处理为基础,建立了离散单位时间内非正常状态时间所占百分比疲劳判断模型,实现了对驾驶员疲劳状态的监控与预警。通过近红外光源对人眼主动照明,采用互补金属氧化物半导体摄像头实现对人眼图像信息的采集,基于Adaboost算法实现人眼准确定位,利用Harris强角点检测人眼中心区域,得到眼睛的视线状态信息,根据疲劳判断模型,设计可调的预警阈值,实现驾驶员疲劳状态的分级预警。实验结果表明:在一定条件下,系统判断响应时间为1.5 s,虚警率为4%,具有抗干扰性强和实时性好等特点。 | 李建平 牛燕雄 杨露 张颖 吕建明 | 2015 | 激光与光电子学进展2015，52，4： | 12 |
| 6 | 基于驾驶员转向操作特性的疲劳驾驶检测显示文摘本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法。首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法。测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7%,具有较高的鲁棒性和实用性。 | 屈肖蕾 成波 林庆峰 李升波 | 2013 | 汽车工程2013，35，9： | 12 |
| 7 | 驾驶员疲劳驾驶检测方法研究综述显示文摘由于疲劳驾驶导致的交通事故占比逐年上涨,引起了研究人员的广泛关注。目前疲劳驾驶检测的研究受限于科技水平、环境、道路等各种因素的影响,导致疲劳驾驶检测技术难以进一步发展。介绍了近10年内驾驶员疲劳驾驶检测方法的最新进展。阐述并回顾了主动检测法和被动检测法两大类。根据两大类检测方法各自不同的特征进行细致的分类。进一步分析了各类疲劳驾驶检测方法的优势和局限,同时对主动检测法中基于面部特征的检测方法近3年内所使用的检测算法进行了分析和总结。归纳了各类疲劳驾驶检测方法存在的不足,同时提出疲劳检测领域未来的研究趋势,为研究人员进一步的研究提供新的思路。 | 张瑞 朱天军 邹志亮 宋瑞 | 2022 | 计算机工程与应用2022，58，21： | 11 |
| 8 | 驾驶员脑电特征与手臂操纵驾驶行为研究显示文摘为了进一步研究脑电信号与驾驶行为的关系,通过脑电采集设备与惯性运动捕捉系统同时捕捉驾驶员脑电信号数据与操作手臂运动参数。分析驾驶员手臂驾驶方向盘的过程中,脑电信号的变化与操作手臂运动方向之间的关系。利用共同空间模式(CSP)与小波包分解(WPD)的方式,提取左右运动相关的C3和C4导联特征,结合手臂运动关节的加速度进行相关性分析。实验结果表明:在实际的驾驶行为中,左右转向过程,C3、C4导联出现持续的ERD/ERS现象,为脑机接口控制量化标准提供基础。 | 纪俐 王宏 张驰 化成城 刘冲 | 2015 | 仪器仪表学报2015，36，9： | 10 |
| 9 | 基于深度学习的疲劳状态识别算法显示文摘目前国内外的疲劳状态识别算法大多数是基于单一的、人为制定的疲劳状态特征实现的,且大部分算法结构复杂,效率比较低下,对驾驶员的个人行为习惯的适应性不强。为此,提出一种基于深度学习的疲劳状态识别算法,它引入深信度网络(DBN)来模拟输入图像数据分布,完成对疲劳特征的分层自动抽取,进而基于时间窗实现视频流图像的疲劳状态识别;同时,算法自适应调整网络学习率以减少网络预训练时间,采用反馈机制实现网络自进化,从而提高对用户个性化疲劳特征的适应性。实验结果表明,算法可以使网络获取到良好的疲劳特征,且误判率会随使用时间的增加而逐渐降低。 | 周慧 周良 丁秋林 | 2015 | 计算机科学2015，42，3： | 9 |
| 10 | 基于方向盘转角近似熵与复杂度的驾驶人疲劳状态识别显示文摘提出了一种基于实车工况下方向盘转角近似熵与复杂度的驾驶人疲劳状态识别方法。利用动态时间序列的非线性特征构造理论,计算短时方向盘转角时间序列的近似熵(ApEn)与复杂度特征。以此非线性特征为输入,设计了硬阈值多级疲劳判别模型,构建了'二入二出'的疲劳等级映射规则,输出驾驶过程样本的疲劳预判状态。将近邻样本的疲劳预判状态进行比较,实现了驾驶人的三级疲劳状态识别。进行了实车实验。结果表明:本方法对三级疲劳状态识别的平均正确率达到84.6%;因而,本方法具有工程应用价值。 | 李作进 李仁杰 李升波 王文军 成波 | 2016 | 汽车安全与节能学报2016，7，3： | 8 |
| 11 | 基于转向盘操作的疲劳驾驶检测方法显示文摘疲劳驾驶是引发道路交通事故的主要原因之一,研究利用转向盘操作行为特征检测驾驶人疲劳的方法对改善交通安全具有重要意义。研究通过分析基于驾驶模拟器的疲劳状态下的实验数据,提取了描述疲劳状态的不同特征参数,运用方差分析方法量化了不同驾驶状态下特征参数的差异性水平,优化出转向盘转角标准差、转向盘角速度标准差、转向盘转角变异系数、转向盘转角熵和零速百分比5个参数作为疲劳驾驶的有效特征参数组。建立了基于支持向量机的驾驶人疲劳状态检测模型,并采用测试集样本对搭建的模型进一步验证,结果表明该模型对驾驶人疲劳的模型检测准确率为81.33%,灵敏度为85.33%,特异度为77.33%。 | 金立生 李科勇 牛清宁 高琳琳 | 2014 | 交通信息与安全2014，32，5： | 8 |
| 12 | 疲劳预警分级提示下的驾驶行为响应特征显示文摘确定疲劳预警提示时机是车载疲劳预警提示技术中的关键和难点,通过驾驶员对预警提示的驾驶行为响应特征来判断提示时机的合理性是解决该问题的新思路.通过开展在疲劳分级预警提示环境下的驾驶模拟试验,采集驾驶员眼动(眼闭合时间比例)和车道偏移(车道偏移标准差、车道偏移均值、车道越线面积)指标,并通过成对Wilcoxon signed-rank检验,分析不同等级预警提示前后15 s时间内关键驾驶行为指标的差异.研究结果表明:在设定的疲劳分级规则下,一般疲劳预警提示后,车道偏移标准差均值显著下降0.129 1,车道越线面积均值显著下降8.574 4;在严重疲劳预警提示后,眼闭合时间比例显著下降0.044 9,但车道偏移标准差和车道越线面积均未发生显著改变,驾驶员应该尽快停车休息. | 胥川 郭启明 王雪松 | 2019 | 西南交通大学学报2019，54，1： | 7 |
| 13 | 考虑性别因素的驾驶人疲劳状态HRV非线性特征显示文摘通过心率变异性(HRV)的非线性特征,研究了疲劳对驾驶人自主神经系统(ANS)的影响.招募被试进行模拟驾驶实验,记录实验过程中的心电信号.通过Poincaré散点图、近似熵和样本熵等非线性方法,提取13个HRV特征.分析所有被试不同精神状态HRV特征的差异,研究特定性别的被试从清醒状态到疲劳状态HRV特征的变化,分别比较清醒和疲劳状态HRV特征的性别差异.对所有被试,5个特征在疲劳状态显著(Mann-Whitney U检验, p <0.01)上升;男性2个特征在疲劳状态显著上升;女性3个特征在疲劳状态显著上升.清醒状态仅有1个特征在男性与女性之间存在显著性差异,而疲劳状态有5个特征存在显著性差异.驾驶人在疲劳状态ANS的变异性和/或复杂度增加,并且存在性别差异.与清醒状态相比,男性与女性ANS的变异性和/或复杂度在疲劳状态存在更多差异. | 曾超 王文军 李燕 陈朝阳 张超飞 成波 | 2019 | 东南大学学报(自然科学版)2019，49，3： | 7 |
| 14 | 基于驾驶行为的疲劳驾驶判别算法研究显示文摘为了有效判别驾驶员的疲劳驾驶状态,本文利用模拟驾驶器开展驾驶实验,采集了20名驾驶员在疲劳状态和正常状态的实验数据;为了提取能表征驾驶员疲劳和正常驾驶状态时的行为特征,本文对获取的速度、方向盘转角和车辆横向位置的样本熵进行了分析,最终提取了该三类参数的样本熵作为疲劳驾驶的有效特征组;构建了基于BP神经网络的驾驶员疲劳驾驶判别算法,并采用测试集样本对构建的算法进行验证.实验结果表明:该算法对于驾驶员疲劳驾驶检测的准确率较好、运行时间较短、具有较好的鲁棒性和实用性. | 万蔚 王振华 王保菊 | 2016 | 道路交通与安全2016，16，6： | 7 |
| 15 | 基于随机森林与多源信息融合的疲劳驾驶检测方法显示文摘现有的疲劳驾驶检测方法,大多只采用单一信号判断驾驶员疲劳状态,容易受到干扰,当实际检测环境不那么理想时,无法采集到足够准确的数据,会导致检测结果出现较大偏差。提出基于随机森林与多源信息融合的疲劳驾驶检测方法,运用多个微型传感器,同步采集驾驶员的呼吸、心跳、脉搏以及握力信号,当某一个信号采集有所偏差时,另一个信号不受影响,然后将所有采集到的信号进行整合,建立一个多源融合的疲劳驾驶状态数据集作为检测依据,避免了单一信号有时误差较大的缺陷,检测准确率更高。相较于SVM、GBDT等分类算法,随机森林能够平衡数据集的误差,对缺失值不敏感,且分类速度快,模型最佳检测精度达89.16%,能够有效避免驾驶员疲劳驾驶。 | 葛文杰 陈龙 | 2021 | 软件导刊2021，20，10： | 5 |
| 16 | 基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测显示文摘目的疲劳驾驶是引发车辆交通事故的主要原因之一,针对现有方法在驾驶员面部遮挡情况下对眼睛状态识别效果不佳的问题,提出了一种基于自商图—梯度图共生矩阵的驾驶员眼部疲劳检测方法。方法利用以残差网络(residual network,Res Net)为前置网络的SSD(single shot multibox detector)人脸检测器来获取视频中的有效人脸区域,并通过人脸关键点检测算法分割出眼睛局部区域图像;建立驾驶员眼部的自商图与梯度图共生矩阵模型,分析共生矩阵的数字统计特征,选取效果较好的特征用以判定人眼的开闭状态;结合眼睛闭合时间百分比(percentage of eyelid closure,PERCLOS)与最长闭眼持续时间(maximum closing duration,MCD)两个疲劳指标来判别驾驶员的疲劳状态。结果在六自由度汽车性能虚拟仿真实验平台上模拟汽车驾驶,采集并分析驾驶员面部视频,本文方法能够有效识别驾驶员面部遮挡时眼睛的开闭状态,准确率高达99.12%,面部未遮挡时的识别精度为98.73%,算法处理视频的速度约为32帧/s。对比方法 1采用方向梯度直方图特征与支持向量机分类器相结合的人脸检测算法,并以眼睛纵横比判定开闭眼状态,在面部遮挡时识别较弱;以卷积神经网络(convolutional neural network,CNN)判别眼睛状态的对比方法 2虽然在面部遮挡情况下的准确率高达98.02%,但眨眼检测准确率效果不佳。结论基于自商图—梯度图共生矩阵的疲劳检测方法能够有效识别面部遮挡时眼睛的开闭情况和驾驶员的疲劳状态,具有较快的检测速度与较高的准确率。 | 潘剑凯 柳政卿 王秋成 | 2021 | 中国图象图形学报2021，26，1： | 5 |
| 17 | 基于眼部特征的疲劳驾驶辨识方法研究显示文摘为了提升疲劳驾驶的检测效果,以PERCOLS眼睛焦点的位置等眼部特征为参数,提出了支持向量机(SVM)疲劳驾驶检测模型。通过动感型模拟驾驶仪和ASL眼动仪等设备进行了眼部特征参数的数据采集,并以2 s的最优时窗长度对数据进行提取和筛选。完成了疲劳驾驶检测模型的训练和验证。结果表明:该模型的综合疲劳识别准确率高达83.92%,能有效地应用于疲劳驾驶检测中。 | 刘志强 宋雪松 汪彭 周桂良 | 2016 | 重庆理工大学学报(自然科学)2016，30，10： | 4 |
| 18 | 汽车驾驶模拟器转向盘能量反馈调节显示文摘针对目前汽车驾驶模拟器转向盘系统所采用的各种不同的力反馈模型,分析将力反馈模型统一简化的可行性.建立主要由力矩电机和阻尼器组成的二阶系统模型,力矩电机采用线性控制律,给定相关参数,对模型进行仿真.进而,将驾驶员操作转向盘的对外做功过程视为存在人体能量损耗,从人机工程学的角度考虑,对力矩电机线性控制律引入人体能量损耗反馈调节,给出驾驶员对转向盘操作过程的能量损耗表达式,建立一种基于能量反馈控制的转向盘力反馈模型.利用MATLAB软件对模型进行仿真分析,该模型能够有效调节电机输出转矩,能量损耗的越多,操作转向盘越省力.研究结果表明,基于人体能量损耗反馈调节的转向盘系统模型,对适应人体逐渐疲劳的生理特性具有较好的效果. | 魏春雨 周晓军 魏燕定 黎建军 | 2013 | 浙江大学学报(工学版)2013，47，2： | 4 |
| 19 | 基于方向盘信号的高速公路驾驶状态检测方法显示文摘基于对不同驾驶状态下的方向盘操作特性及其频域特性进行分析,采用方向盘角度百分比功率谱密度及角速度百分比功率谱密度作为疲劳判别指标,将判别指标变量及驾驶状态作为模型的输入和输出对BP神经网络进行训练,构建相应的网络模型,并以疲劳状态分类准确率最大为优化目标确定疲劳检测取样窗口大小,最后利用测试样本数据验证模型的准确率。结果表明,该方法对驾驶员驾驶状态的分类准确率可达到91. 5%。 | 李洪涛 巴兴强 逯兆友 张涵 吕思昂 | 2018 | 山西建筑2018，44，28： | 4 |
| 20 | 基于面部关键点特征融合的驾驶员疲劳检测方法研究显示文摘针对行车参数或侵入式的驾驶员生理特征检测对设备精度要求较高,且对驾驶环境附加了一定要求,提出了一种非侵入式的方法,基于机器视觉获取面部图像并采用基于Haar-like特征的Viola-Jones算法检测人脸,使用Dlib机器学习库获得面部68关键点,并由眼部、嘴巴等关键点状态综合计算出疲劳参数。结果表明,该方法在多变环境下能够实时有效地检测疲劳状态。 | 詹润哲 姜飞 | 2018 | 宿州学院学报2018，33，10： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员