基于信息融合的驾驶员疲劳状态检测方法研究

《基于信息融合的驾驶员疲劳状态检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于信息融合的驾驶员疲劳状态检测方法研究RESEARCHONDRIVINGFATIGUEDETECTIONMETHODBASEDONINFORMATIONFUSION方毅哈尔滨工业大学2018年6月国内图书分类号：TP391学校代码：10213国际图书分类号：681.5密级：公开工程硕士学位论文基于信息融合的驾驶员疲劳状态检测方法研究硕士研究生：方毅导师：刘丹讲师申请学位：工程硕士学科：仪器仪表工程所在单位：自动化测试与控制系答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN391U.D.C:681.5DissertationfortheMa

2、sterDegreeinEngineeringRESEARCHONDRIVINGFATIGUEDETECTIONMETHODBASEDONINFORMATIONFUSIONCandidate：FangYiSupervisor：LecturerLiuDanAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：InstrumentandMeterEngineeringAffiliation：Dept.ofAutomaticTestandControlDateofDefence：June,2018Degree-Conferring-Insti

3、tution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要驾驶疲劳是驾驶过程中经常产生的生理现象，当驾驶员进入疲劳状态时会变得注意力涣散、反应迟钝，极易酿成交通事故。基于单一信息源的驾驶疲劳检测方法在具体驾驶环境下稳定性较差，存在很大局限。目前的研究趋势逐渐倾向于融合多源信息来对驾驶疲劳做出综合判断。本文以提高驾驶疲劳检测的准确率、稳定性以及环境适应能力为研究目的。以驾驶员的面部图像信息和脑电信息为研究对象。围绕多源信息疲劳特征的提取方法、单模态驾驶疲劳检测方法、信息融合驾驶疲劳检测方法等核心问题展开了研究。并设计模拟驾驶实验评估了各种驾驶疲劳检测

4、方法的效果。主要研究内容如下：（1）调研了目前驾驶疲劳检测的研究现状与研究趋势，总结了图像信息、生理信息、驾驶行为信息等各种研究角度的优缺点。针对单模态驾驶疲劳检测的不足，确定了将驾驶员面部图像信息和脑电信息融合的驾驶疲劳检测方案，以提升检测的准确率、稳定性与环境适应能力。（2）从驾驶员眼部信息中提取了眼睑闭合时间比例、闭眼速度等眼动特征，训练了基于眼动特征的单模态驾驶疲劳检测模型，疲劳/非疲劳分类准确率达到86%。从驾驶员脑电信息中提取了各节律的频带能量比，训练了单模态驾驶疲劳检测模型，疲劳/非疲劳分类准确率达到78%。（3）针对单模态驾驶疲劳检测方法的局限性，使用多核学习、多集典型相关分

5、析融合多源异构特征，并分别训练驾驶疲劳检测模型，准确率达到89%、93%。基于D-S证据理论对图像信息和脑电信息进行决策层融合，搭建驾驶疲劳检测模型，准确率达到95%。（4）使用模拟驾驶实验平台展开了基于睡眠剥夺和基于反应时间的模拟驾驶实验，同步采集驾驶员面部图像信息与脑电信息。对数据进行整理标注，得到驾驶疲劳数据集，使用数据集训练和测试各种驾驶疲劳检测模型。设计干扰环境下的模拟驾驶实验，评估各种驾驶疲劳检测模型的稳定性。关键词：驾驶疲劳；信息融合；脑电信号；眼动特征-I-哈尔滨工业大学工程硕士学位论文AbstractDrivingfatigueisaphysiologicalphenome

6、nonthatoftenoccursduringthedrivingprocess.Ifthedriverentersafatiguestate,hewillbedistracted,unresponsive,andeasilyleadtotrafficaccidents.Driverfatiguedetectionmethodsbasedonasinglesourceofinformationarelessstableinaspecificdrivingenvironmentandhavesignificantlimitations.Currentresearcherstendtofuse

7、multi-sourcesinformationtomakecomprehensivejudgmentsondrivingfatigue.Thispaperaimstoimprovetheaccuracy,stabilityandenvironmentaladaptabilityofdrivingfatiguedetection,andtakesthedriver'sfacialimageandelectro