Copyright ?2013-2017 中國知網論文查重檢測系統入口 All Rights Reserved. 網站備案號：黔ICP備19012782號-3.
駕駛人疲勞狀態的檢測方法可大致分為基于駕駛人生理信號、基于駕駛人生理反應特征、基于駕駛人操作行為和基于車輛狀態信息的檢測方法。 針對疲勞的研究最早始于生理學。 相關研究表明，駕駛人在疲勞狀態下的生理指標會偏離正常狀態的指標。 因此可以通過駕駛員的生理指標來判斷駕駛人是否進入疲勞狀態。 目前較為成熟的檢測方法包括對駕駛人的腦電信號EEG、心電信號ECG等的測量。
經查閱相關文獻，疲勞在人體面部表情中表現出大致三個類型：打哈欠（嘴巴張大且相對較長時間保持這一狀態）、眨眼（或眼睛微閉，此時眨眼次數增多，且眨眼速度變慢）、點頭（瞌睡點頭）。 本實驗從人臉朝向、位置、瞳孔朝向、眼睛開合度、眨眼頻率、瞳孔收縮率等數據入手，并通過這些數據，實時地計算出駕駛員的注意力集中程度，分析駕駛員是否疲勞駕駛和及時作出安全提示。 學長通過對疲勞駕駛在不同方法下研究進展的分析， 可以更清晰的認識的到當下對該問題較為有效的判定方法。 根據研究對象的不同對檢測方法進行分類， 具體分類方法如圖 基于駕駛員面部特征的檢測方法是根據人在疲勞時面部變化來分析此時的精神狀態。
目前基于眼動機理研究駕駛疲勞的算法有很多種，廣泛采用的算法包括PERCLOS，即將眼瞼閉合時間占一段時間的百分比作為生理疲勞的測量指標[12] [13] 。 利用面部識別技術定位眼睛、鼻尖和嘴角位置，將眼睛、鼻尖和嘴角位置結合起來，再根據對眼球的追蹤可以獲得駕駛人注意力方向，并判斷駕駛人的注意力是否分散[14]。
摘要：疲勞駕駛是引發交通事故的重要因素之一。 本文介紹了基于駕駛人生理信號、駕駛人生理反應特征、駕駛人操作行為和車輛行駛軌跡等駕駛疲勞狀態監測的研究方法，并對國內外研究現狀和現有產品進行了介紹，分析了目前疲勞駕駛研究中存在的問題、未來的研究發展方向和研究難點。 關鍵字： 駕駛疲勞，EEG，PERCLOS，信息融合。