Copyright ©2013-2017 中国知网论文查重检测系统入口 All Rights Reserved. 网站备案号：黔ICP备19012782号-3.
驾驶人疲劳状态的检测方法可大致分为基于驾驶人生理信号、基于驾驶人生理反应特征、基于驾驶人操作行为和基于车辆状态信息的检测方法。 针对疲劳的研究最早始于生理学。 相关研究表明，驾驶人在疲劳状态下的生理指标会偏离正常状态的指标。 因此可以通过驾驶员的生理指标来判断驾驶人是否进入疲劳状态。 目前较为成熟的检测方法包括对驾驶人的脑电信号EEG、心电信号ECG等的测量。
经查阅相关文献，疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）、点头（瞌睡点头）。 本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。 学长通过对疲劳驾驶在不同方法下研究进展的分析， 可以更清晰的认识的到当下对该问题较为有效的判定方法。 根据研究对象的不同对检测方法进行分类， 具体分类方法如图 基于驾驶员面部特征的检测方法是根据人在疲劳时面部变化来分析此时的精神状态。
目前基于眼动机理研究驾驶疲劳的算法有很多种，广泛采用的算法包括PERCLOS，即将眼睑闭合时间占一段时间的百分比作为生理疲劳的测量指标[12] [13] 。 利用面部识别技术定位眼睛、鼻尖和嘴角位置，将眼睛、鼻尖和嘴角位置结合起来，再根据对眼球的追踪可以获得驾驶人注意力方向，并判断驾驶人的注意力是否分散[14]。
摘要：疲劳驾驶是引发交通事故的重要因素之一。 本文介绍了基于驾驶人生理信号、驾驶人生理反应特征、驾驶人操作行为和车辆行驶轨迹等驾驶疲劳状态监测的研究方法，并对国内外研究现状和现有产品进行了介绍，分析了目前疲劳驾驶研究中存在的问题、未来的研究发展方向和研究难点。 关键字： 驾驶疲劳，EEG，PERCLOS，信息融合。