CN104112335A - 一种基于多信息融合的疲劳驾驶检测方法 - Google Patents

Abstract

本发明公开了一种基于多信息融合的疲劳驾驶检测方法，本方法采用的疲劳驾驶检测系统包括：信号采集模块，信号处理模块和报警模块。本方法由信号采集、疲劳等级量化及信号处理、特征参数提取、疲劳判定与报警若干环节构成。信号采集模块采集与疲劳相关信号，对驾驶员的疲劳等级进行量化，提取能够反映驾驶员疲劳状态的特征参数，对特征参数进行模糊聚类，实时检测驾驶员的疲劳状况，当判定驾驶员疲劳驾驶时，及时报警。本方法所采用的疲劳驾驶检测系统实现了车载，具有非强迫性，能够实时判定且判定的准确率高。

Description

一种基于多信息融合的疲劳驾驶检测方法

技术领域

本发明涉及一种机动车驾驶员疲劳驾驶检测方法，特别是一种基于多信息融合的疲劳驾驶检测方法。

背景技术

由于疲劳驾驶导致的交通事故频发，给人民的生命和财产带来了巨大的危害，因此，疲劳驾驶预警系统的研发具有重要意义。目前，对疲劳驾驶检测技术的研究较多，主要采取的方法包括利用驾驶员的脑电和心电信号判定疲劳状况，采用视频和图像处理技术，还有一些产品通过检测驾驶员的身体姿态来判断疲劳，这些研究取得了一定成果，但是还存在以下不足：采集脑电和心电信号的设备非常复杂，不适合车载，且需要在驾驶员身体上粘贴电极，必然给驾驶员的驾驶带来不适。不能实时判定疲劳状况，需要在实验室或其它特定场所处理采集到的数据。采用单一信号作为疲劳判定的标准，判定的准确率低，可靠性差；很多产品采用视频和图像处理技术，这类产品受环境影响较大，稳定性差。

发明内容

本发明目的在于提供一种基于多信息融合的疲劳驾驶检测方法，解决现有的疲劳驾驶检测方法所用的疲劳预警系统不能够车载，实时检测，判定的可靠性低且受环境影响大的问题。

一种基于多信息融合的疲劳驾驶检测方法的具体步骤如下：

第一步  搭建疲劳驾驶检测系统

疲劳驾驶检测系统，包括：信号采集模块、信号处理模块以及报警模块。

信号采集模块的功能是采集反映驾驶员疲劳状况的信号。反映驾驶员疲劳状况的信号包括呼吸信号、脉搏信号、体温信号、手握方向盘压力信号以及方向盘转角信号。

信号处理模块的功能为实时处理信号采集模块采集到的和驾驶员疲劳状态相关的信号，并对当前的状态进行判定，达到实时检测的目的。

报警模块的功能是采用声音和显示屏报警方式，当判定驾驶员疲劳时，给出报警信息。

第二步  信号处理模块处理疲劳相关信号

在对信号处理之前，首先进行疲劳等级量化。利用驾驶员的主观评定，他人的客观评定以及对驾驶员的PVT测试，来对驾驶员的疲劳等级进行量化。

其中，主观评定包括驾驶员主观自评以及根据自己的状态填写疲劳评定量表来评定疲劳状况。他人客观评定指根据驾驶员面部表情、车辆行驶状况以及操作行为，身体姿势来判定疲劳。PVT测试是一种检测人体精神反应速度的标准测试，反应时间越长则表明测试者越疲劳，驾驶员在疲劳时反应速度明显降低。

通过对驾驶员的疲劳等级进行量化，得到驾驶员的两种不同状态的信号。对呼吸信号采用时域频域相结合的方式，首先对呼吸信号经验模态分解，将得到的呼吸信号在频率域自动划分，从划分的结果中取出干扰信号。其次，对去除了干扰信号的呼吸信号进行时域分析。对脉搏信号采用改进的快速傅里叶变换，得到脉搏信号的频谱图。根据脉搏信号的频谱的第一主峰代表着心脏的搏动情况，因此可知脉搏信号的频率即为第一主峰所对应的频率。体温、手握方向盘压力信号和转角信号需要对得到的信号进行滤波处理，去除干扰信号。

第三步  信号处理模块提取特征参数

信号处理模块对经过初步处理的与驾驶员疲劳状态相关的信号进行分析，提取驾驶员不同状态信息的特征，选定作为划分不同状态的特征参数。

第四步  信号处理模块判定疲劳状态

对疲劳驾驶判定的过程是一个多信息融合的过程。疲劳驾驶检测系统采用模糊聚类分析作为疲劳判定的方式。信号处理模块采用模糊聚类算法，将通过信号采集模块采集到的多路能够反映驾驶员疲劳状态的信号进行模糊聚类。首先，确定特征参数，并将特征参数向量化。其次，确定聚类的数目并初始化聚类中心。最后，进行迭代，当迭代收敛时，根据得到的隶属度函数确定不同样本的隶属度值，根据最大隶属度原则确定样本种类。

启动疲劳驾驶检测系统，对驾驶员当前的疲劳等级进行量化，判定驾驶员当前的疲劳状态，若为清醒状态，则启动清醒状态数据采集。当判定驾驶员的状态为疲劳时，开始采集疲劳状态的参数，采集结束，利用模糊聚类得到清醒和疲劳两种状态特征参数的聚类中心。两组数据分别记录在控制芯片中，然后开始疲劳检测。疲劳驾驶检测系统随时采集驾驶员的驾驶信息，将采集得到的数据进行分析，当判定为疲劳时，启动报警系统。

第五步  报警模块报警

当疲劳驾驶检测系统判定驾驶员处于疲劳驾驶状态时，报警模块报警，提醒驾驶员小心驾驶。

至此完成基于多信息融合的疲劳驾驶检测。

本方法的硬件系统简单，设备体积小可以实现车载。所使用的信号采集传感器具有非强迫性，对外界环境依赖度低。不会对驾驶员的正常驾驶产生干扰。以DSP作为核心处理芯片，运算的速度快，能够实现实时对驾驶员的疲劳状态进行检测。使用的疲劳等级量化方法，判定的可靠性高。选定的特征参数对疲劳状态的区分度高。采用多信息融合技术，提高了系统判定的准确率与可靠性。

具体实施方式

一种基于多信息融合的疲劳驾驶检测方法的实施步骤如下：

第一步  搭建疲劳驾驶检测系统

疲劳驾驶检测系统的组成包括信号采集模块、信号处理模块以及报警模块。

信号采集模块主要实现的功能是采集能够反映驾驶员疲劳状况的信号。反映驾驶员疲劳状况的信号包括呼吸信号、脉搏信号、体温信号、手握方向盘压力信号以及方向盘转角信号。

信号采集模块所采集的信号包括与驾驶员疲劳状态相关的呼吸信号、脉搏信号、体温信号、手握方向盘压力信号以及方向盘转角信号。

呼吸信号的提取采用变极矩式电容传感器检测人体呼吸时引起的胸腹腔的变化，脉搏信号的提取利用光电式脉搏传感器，体温信号使用分辨率高的温度传感器，手握方向盘压力信号利用RC震荡电路与施密特触发器组成的传感器。转角信号是通过在方向盘上安装转角传感器进行测量。其中，呼吸信号传感器安装在安全带上，脉搏信号、体温信号，压力信号以及转角传感器都安装在方向盘上，这样就避免了信号检测过程中给驾驶员带来的不适。

信号处理模块对信号采集模块采集到的和驾驶员疲劳状态相关的信号进行实时处理，并对当前的状态进行判定，达到实时检测的目的。

报警模块采用声音和显示屏报警方法。其中声音报警是利用小喇叭报警，当判定疲劳时，小喇叭发出报警声音。显示屏报警是指在车辆内部按照液晶显示屏，当判定驾驶员疲劳时，显示屏闪烁，显示驾驶员已疲劳驾驶信息。

第二步  信号处理模块处理疲劳相关信号

利用驾驶员的主观评定，他人的客观评定以及对驾驶员的PVT测试来对驾驶员的疲劳等级进行量化。

其中，主观评定包括驾驶员主观自评以及根据自己的状态填写疲劳量表来评定疲劳状况。他人客观评定指根据驾驶员面部表情、车辆行驶状况以及操作行为，身体姿势等来判定疲劳。PVT测试是一种检测人体精神反应速度的标准测试，反应时间越长则表明测试者越疲劳，驾驶员在疲劳时反应速度明显降低。

通过对驾驶员的疲劳等级进行量化，得到驾驶员的两种不同状态的信号，信号处理模块对不同状态的信号进行信号处理，采用不同的信号处理方法。对呼吸信号采用时域频域相结合的方法，首先对呼吸信号经验模态分解，将得到的呼吸信号在频率域自动划分，从划分的结果中取出干扰信号。其次，对去除了干扰信号的呼吸信号进行时域分析。对脉搏信号采用改进的快速傅里叶变换，得到脉搏信号的频谱图。根据脉搏信号的频谱的第一主峰代表着心脏的搏动情况，因此可知脉搏信号的频率即为第一珠峰所对应的频率。体温、手握方向盘压力信号和转角信号需要对得到的信号进行滤波处理，去除干扰信号。

第三步  信号处理模块提取特征参数

信号处理模块对经过初步处理的能够反映驾驶员疲劳状况的信号进行分析，提取驾驶员不同状态信息的特征，选定作为划分不同状态的特征参数。

第四步  信号处理模块判定疲劳状态

对疲劳驾驶判定的过程是一个多信息融合的过程。本疲劳驾驶检测系统采用模糊聚类分析作为疲劳判定的方法。

信号处理模块采用模糊聚类算法，将通过信号采集系统采集到的多路能够反映驾驶员疲劳状态的信号进行模糊聚类。首先，确定特征参数，并将特征参数向量化。其次，确定聚类的数目并初始化聚类中心。最后，进行迭代，当迭代收敛时，根据得到的隶属度函数确定不同样本的隶属度值，根据最大隶属度原则确定样本种类。

启动疲劳驾驶检测系统，对驾驶员当前的疲劳等级进行量化，判定驾驶员当前的疲劳状态，若为清醒状态，则启动清醒状态数据采集。当判定驾驶员的状态为疲劳时，开始采集疲劳状态的参数，采集结束，利用模糊聚类得到清醒和疲劳两种状态特征参数的聚类中心。两组数据分别记录在控制芯片中，接下来开始疲劳检测。疲劳驾驶检测系统随时采集驾驶员的驾驶信息，将采集得到的数据进行分析，当判定为疲劳时，启动报警系统。

第五步  报警模块报警

当疲劳驾驶检测系统判定驾驶员处于疲劳驾驶状态时，报警模块报警，提醒驾驶员小心驾驶。

至此完成基于多信息融合的疲劳驾驶检测。

Claims (1)

1.一种基于多信息融合的疲劳驾驶检测方法，其特征在于具体步骤如下：

第一步  搭建疲劳驾驶检测系统

疲劳驾驶检测系统，包括：信号采集模块、信号处理模块以及报警模块；

信号采集模块的功能是采集反映驾驶员疲劳状况的信号；反映驾驶员疲劳状况的信号包括呼吸信号、脉搏信号、体温信号、手握方向盘压力信号以及方向盘转角信号；

信号处理模块的功能是实时处理信号采集模块采集到的和驾驶员疲劳状态相关的信号，并对当前的状态进行判定，达到实时检测的目的；

报警模块的功能是采用声音和显示屏报警方式，当判定驾驶员疲劳时，给出报警信息；

第二步  信号处理模块处理疲劳相关信号

在对信号处理之前，首先进行疲劳等级量化；利用驾驶员的主观评定，他人的客观评定以及对驾驶员的PVT测试，来对驾驶员的疲劳等级进行量化；

其中，主观评定包括驾驶员主观自评以及根据自己的状态填写疲劳评定量表来评定疲劳状况；他人客观评定指根据驾驶员面部表情、车辆行驶状况以及操作行为，身体姿势来判定疲劳；PVT测试是一种检测人体精神反应速度的标准测试，反应时间越长则表明测试者越疲劳，驾驶员在疲劳时反应速度明显降低；

通过对驾驶员的疲劳等级进行量化，得到驾驶员的两种不同状态的信号；对呼吸信号采用时域频域相结合的方式，首先对呼吸信号经验模态分解，将得到的呼吸信号在频率域自动划分，从划分的结果中取出干扰信号；其次，对去除了干扰信号的呼吸信号进行时域分析；对脉搏信号采用改进的快速傅里叶变换，得到脉搏信号的频谱图；根据脉搏信号的频谱的第一主峰代表着心脏的搏动情况，因此可知脉搏信号的频率即为第一主峰所对应的频率；体温、手握方向盘压力信号和转角信号需要对得到的信号进行滤波处理，去除干扰信号；

第三步  信号处理模块提取特征参数

信号处理模块对经过初步处理的与驾驶员疲劳状态相关的信号进行分析，提取驾驶员不同状态信息的特征，选定作为划分不同状态的特征参数；

第四步  信号处理模块判定疲劳状态

对疲劳驾驶判定的过程是一个多信息融合的过程；疲劳驾驶检测系统采用模糊聚类分析作为疲劳判定的方式；信号处理模块采用模糊聚类算法，将通过信号采集模块采集到的多路能够反映驾驶员疲劳状态的信号进行模糊聚类；首先，确定特征参数，并将特征参数向量化；其次，确定聚类的数目并初始化聚类中心；最后，进行迭代，当迭代收敛时，根据得到的隶属度函数确定不同样本的隶属度值，根据最大隶属度原则确定样本种类；

启动疲劳驾驶检测系统，对驾驶员当前的疲劳等级进行量化，判定驾驶员当前的疲劳状态，若为清醒状态，则启动清醒状态数据采集；当判定驾驶员的状态为疲劳时，开始采集疲劳状态的参数，采集结束，利用模糊聚类得到清醒和疲劳两种状态特征参数的聚类中心；两组数据分别记录在控制芯片中，然后开始疲劳检测；疲劳驾驶检测系统随时采集驾驶员的驾驶信息，将采集得到的数据进行分析，当判定为疲劳时，启动报警系统；

第五步  报警模块报警

当疲劳驾驶检测系统判定驾驶员处于疲劳驾驶状态时，报警模块报警，提醒驾驶员小心驾驶；

至此完成基于多信息融合的疲劳驾驶检测。