融合眼动和脑电特征的疲劳驾驶检测研究

徐军莉,王 平,穆振东

(江西科技学院 协同创新中心, 江西 南昌 330098)

0 引 言

疲劳驾驶是造成交通事故的主要因素之一。2017年5月交通网资料显示,2016年度京沪高速淮安段共发生交通事故787起。其中因疲劳驾驶导致的交通事故414起,约占事故总量52.6%。因此实时检测出驾驶员是否处于疲劳驾驶状态,并在出现疲劳驾驶时给出有效的预警是有着十分重要的现实意义。

为了降低由于疲劳引发的交通事故, 相关学者通过各种方法进行疲劳驾驶检测研究。根据研究手段的不同, 疲劳驾驶研究可以分为3个方向[1]：①基于车辆行为的驾驶检测, 包括车道偏离、车辆行驶速度、方向盘压力、转向转速等，例如刘军等[2]提出基于转向盘转角的疲劳检测方法, 这种方法可高效地判断出受试者的疲劳状态；②基于驾驶行为检测, 包括眼动行为、面部行为和头部位置行为等，例如赵雪鹏等[3]以眼部行为为特征，提出基于级联卷积神经网络结构的疲劳检测算法；③基于人体生理信号的检测, 主要包括脉搏跳动、眼电、肌电、心电和脑电等，例如HU Jianfeng[4]采用样本熵(SE)、模糊熵(FE)、近似熵(AE)和谱熵(PE)4种熵测度对原始脑电信号进行分析，并用10种最先进的分类器进行比较，发现将通道CP4、特征FE和分类器随机森林(RF)相结合，可以获得最佳的单通道性能。3种研究方式各有优缺点。如利用车辆行为作为特征的优势在于实时性强，对受试者无干扰，但车辆行为特征并不能真正反映受试者疲劳的状态变化，因而疲劳识别准确率基本在80%左右；……