论文部分内容阅读
摘要：疲劳是引发交通事故的一个重要原因，因此有很多相关研究力图对疲劳进行准确的计算和估计，脑电波由于是大脑状态的直接反应，相关学者就把脑电波引入疲劳计算是否科学展开了系列研究，本文论述了疲劳产生过程中，不同状态下的脑电波之间，通过距离计算，进行特征提取来表述大脑疲劳程度的可行性。
关键词：距离特性；疲勞；计算
驾驶时间过长，驾驶员就会疲劳，在疲劳状态下开车，由于驾驶员的反应迟钝不能及时发现路面交通情况并采取准确的驾驶操控措施，因此极易发生交通事故。由于疲劳驾驶的高发性和危险性，驾驶员疲劳检测和预警技术（DFMP）计算的研究就显得意义重大，很多国内外相关学者都展开了一系列的研究，从各个方面对驾驶员疲劳进行检测，从总体上分，驾驶疲劳检测方法分为主观和客观两种分析方法，主观的检测方法因为带有较强的主观性，个体差异较大，因此交通安全领域关于驾驶疲劳检测方法上主观检测方法较少，主流的方法是客观的检测方法，目前应用较多的客观检测方法有基于车辆运行状态的检测方法、基于驾驶员行为特征的检测方法和基于生理指标的检测方法。
基于车辆运行状态的监测预警主要有RRS（路测震动带）、TLC（车道偏离时间）道路系统、车辆运行参数预警等方法，但是这些方法由于存在对驾驶人的预警时间太短，识别率不高的缺憾，而且车辆道路的改造费用也相对较高，测量速度与精度受车型、路况、天气及个人驾驶习惯等的影响较大。
基于驾驶员行为特征的监测方法主要包括外界环境对疲劳驾驶的影响监测、研究行为的监测和头部运动与面部表情监测等多种方法，通过运用机器视觉、红外线、雷达传感器等多种电子设备进行信息采集和融合，搜集能反映疲劳状态和驾驶意图的特征，例如眨眼的频率和注视的方向、头部运动特征和姿势、嘴部的特征等等，之后利用模式识别和人工智能的技术检测驾驶员疲劳状态。基于驾驶人行为特征的疲劳监测技术可直接提取驾驶人疲劳表征参量，测量结果实时性较高，缺点是检测识别算法比较复杂，检测结果受光照条件和个体生理状况的影响较大。
由于以上两种方法的存在着一定的不足，如今对驾驶疲劳监测方法研究逐渐转向对驾驶员生理指标方面的研究，例如用心电、肌电、脉搏等生理状态的监测来进行疲劳预测，虽然这些研究取得了一定的研究成果，但是由于研究时间较短，现在还多处于理论和实验上的研究。
疲劳的出现是一个渐进的过程，兴奋—清醒—懈怠—疲倦—极度疲劳这个过程需要较长的时间，而对人体状态最直接的反应就是大脑的状态，通过研究表明，对大脑各种状态下进行脑波采集，对脑波信号进行分析之后，能还原出采集信号所处的大脑状态，2008年澳大利亚悉尼大学健康研究中心在IEEE国际会议上发布了应用脑波进行疲劳驾驶检测的成果，通过应用人工神经网络的方法处理不同驾驶员的EEG信号，对不同波段的脑波信号进行特征提取和分类后，进行疲劳状况的检测。北京理工大学2007年以国家自然科学基金为依托，利用脑电波中不同的波段成分比例，成功在虚拟驾驶环境下对疲劳度进行了定量的计算。
疲劳是个连续的过程，为了表示其中的距离特征，首先必须选择若干个状态点，然后通过距离公式进行计算，在研究过程中，可以用中心点差值方法进行逐步计算，首先选择兴奋和极度疲劳状态下，计算两者之间的距离特征，然后根据计算结果，在两种状态之间，选择中心点时间进行三者之间距离特征进行计算，如此逐步细化，可以很好的对不同状态的距离特征进行提取，距离特征计算可以利用Fisher距离公式来计算，计算公式描述如下：
Fi，j=（μi-μj）2σ2i+σ2j
车载环境下和实验室环境下的脑电信号采集模式不同，主要的区别在于实验室环境下外部环境相对稳定，而车载环境下外部环境是不停变化的；实验室环境受试者是在放松心态下进行实验而车载环境是在使用者精神紧张状态下进行；实验室环境是屏蔽了很多外部噪音而车载环境是有很多外部噪音数据参加进来的；实验室环境是受试者坐在稳定不动的座椅上而车载环境有可能出现颠簸情况的；实验室环境的采集设备可以不考虑存储容量和传输速度而车载环境必须考虑到数据存储容量、无线传输速度和电源等诸多因素的，因此对实验室环境下采集的脑电信号所采用的各种预处理措施，并不能之间使用到车载环境下采集的脑电信号上。为了更好的进行数据分析，我们对信号首先采用离线分析进行相应的特征提取研究。离线分析是指采集到脑电信号之后进行存储，然后再对脑电信号进行分析，离线分析因为不要求实时性，因此能够利用多种手段和方法进行特征计算，提取的特征也较为准确。
距离特性在脑电信号研究中，已经被广泛的用来进行特征提取，在进行疲劳研究过程中，我们前期研究在实验室中，对受试者进行了相关脑电信号的采集工作，采集对象是10个受试者，分别采集两次，一次上午连续采集一个半小时，一次在中午不休息的情况下下午连续采集一个半小时，实验是在一个安静的屏蔽房内放松的坐在一个没有扶手的软椅上，看着正前方的电脑屏幕，根据实验员的安排和屏幕刺激的指示做脑电实验。脑电获取是利用40导Neuroscan放大器，通过scan4.3软件进行获取，参考电极方式采用右侧乳突作为参考电极，利用1000Hz采样率，波段采集利用200Hz低通，0.05Hz高通和50Hz陷波。
通过对不同状态下这十个受试者的ERP成分分析结果表明，不同状态下的受试者脑电波直接在不同的状态下，特别是在上午和下午之间，脑电波存在显著差异性，这就为利用距离特性进行相关的特征提取提供了可能性，对10个受试者进行分析结果显示，采用两个状态下，利用Fisher距离进行特征提取的时候，在时频域上可以提取出135个特征描述两者直接的差距。（作者单位：江西科技学院信息工程学院）
本文是江西科技学院汽车类协同创新项目“基于脑波距离特征的驾驶疲劳预警方法”（ 课题编号：xtcx201312）的前期研究成果。
参考文献：
[1]毛喆. 机动车疲劳驾驶行为识别方法研究[D].武汉理工大学，2009.
[2]孙伟，张为公，张小瑞，陈刚. 疲劳驾驶预警系统的研究进展[J]. 汽车电器，2009，01：4-8.
[3]孙伟，张为公，张小瑞，吕成绪，陈刚. 疲劳驾驶检测方法的研究进展[J]. 汽车技术，2009，02：1-5+17.
[4]李都厚，刘群，袁伟，刘浩学. 疲劳驾驶与交通事故关系[J]. 交通运输工程学报，2010，02：104-109.
[5]彭军强，吴平东，殷罡. 疲劳驾驶的脑电特性探索[J]. 北京理工大学学报，2007，07：585-589.
[6]孙显彬，唐洪伟，文妍. 疲劳驾驶预警系统的研究现状和发展趋势[J]. 青岛理工大学学报，2007，03：91-94.
[7]袁翔，孙香梅. 疲劳驾驶检测方法研究进展[J]. 汽车工程学报，2012，03：157-164.
[8]徐建君. 基于人脸特征的列车司机疲劳驾驶检测与识别系统研究[D].西南交通大学，2010.
关键词：距离特性；疲勞；计算
驾驶时间过长，驾驶员就会疲劳，在疲劳状态下开车，由于驾驶员的反应迟钝不能及时发现路面交通情况并采取准确的驾驶操控措施，因此极易发生交通事故。由于疲劳驾驶的高发性和危险性，驾驶员疲劳检测和预警技术（DFMP）计算的研究就显得意义重大，很多国内外相关学者都展开了一系列的研究，从各个方面对驾驶员疲劳进行检测，从总体上分，驾驶疲劳检测方法分为主观和客观两种分析方法，主观的检测方法因为带有较强的主观性，个体差异较大，因此交通安全领域关于驾驶疲劳检测方法上主观检测方法较少，主流的方法是客观的检测方法，目前应用较多的客观检测方法有基于车辆运行状态的检测方法、基于驾驶员行为特征的检测方法和基于生理指标的检测方法。
基于车辆运行状态的监测预警主要有RRS（路测震动带）、TLC（车道偏离时间）道路系统、车辆运行参数预警等方法，但是这些方法由于存在对驾驶人的预警时间太短，识别率不高的缺憾，而且车辆道路的改造费用也相对较高，测量速度与精度受车型、路况、天气及个人驾驶习惯等的影响较大。
基于驾驶员行为特征的监测方法主要包括外界环境对疲劳驾驶的影响监测、研究行为的监测和头部运动与面部表情监测等多种方法，通过运用机器视觉、红外线、雷达传感器等多种电子设备进行信息采集和融合，搜集能反映疲劳状态和驾驶意图的特征，例如眨眼的频率和注视的方向、头部运动特征和姿势、嘴部的特征等等，之后利用模式识别和人工智能的技术检测驾驶员疲劳状态。基于驾驶人行为特征的疲劳监测技术可直接提取驾驶人疲劳表征参量，测量结果实时性较高，缺点是检测识别算法比较复杂，检测结果受光照条件和个体生理状况的影响较大。
由于以上两种方法的存在着一定的不足，如今对驾驶疲劳监测方法研究逐渐转向对驾驶员生理指标方面的研究，例如用心电、肌电、脉搏等生理状态的监测来进行疲劳预测，虽然这些研究取得了一定的研究成果，但是由于研究时间较短，现在还多处于理论和实验上的研究。
疲劳的出现是一个渐进的过程，兴奋—清醒—懈怠—疲倦—极度疲劳这个过程需要较长的时间，而对人体状态最直接的反应就是大脑的状态，通过研究表明，对大脑各种状态下进行脑波采集，对脑波信号进行分析之后，能还原出采集信号所处的大脑状态，2008年澳大利亚悉尼大学健康研究中心在IEEE国际会议上发布了应用脑波进行疲劳驾驶检测的成果，通过应用人工神经网络的方法处理不同驾驶员的EEG信号，对不同波段的脑波信号进行特征提取和分类后，进行疲劳状况的检测。北京理工大学2007年以国家自然科学基金为依托，利用脑电波中不同的波段成分比例，成功在虚拟驾驶环境下对疲劳度进行了定量的计算。
疲劳是个连续的过程，为了表示其中的距离特征，首先必须选择若干个状态点，然后通过距离公式进行计算，在研究过程中，可以用中心点差值方法进行逐步计算，首先选择兴奋和极度疲劳状态下，计算两者之间的距离特征，然后根据计算结果，在两种状态之间，选择中心点时间进行三者之间距离特征进行计算，如此逐步细化，可以很好的对不同状态的距离特征进行提取，距离特征计算可以利用Fisher距离公式来计算，计算公式描述如下：
Fi，j=（μi-μj）2σ2i+σ2j
车载环境下和实验室环境下的脑电信号采集模式不同，主要的区别在于实验室环境下外部环境相对稳定，而车载环境下外部环境是不停变化的；实验室环境受试者是在放松心态下进行实验而车载环境是在使用者精神紧张状态下进行；实验室环境是屏蔽了很多外部噪音而车载环境是有很多外部噪音数据参加进来的；实验室环境是受试者坐在稳定不动的座椅上而车载环境有可能出现颠簸情况的；实验室环境的采集设备可以不考虑存储容量和传输速度而车载环境必须考虑到数据存储容量、无线传输速度和电源等诸多因素的，因此对实验室环境下采集的脑电信号所采用的各种预处理措施，并不能之间使用到车载环境下采集的脑电信号上。为了更好的进行数据分析，我们对信号首先采用离线分析进行相应的特征提取研究。离线分析是指采集到脑电信号之后进行存储，然后再对脑电信号进行分析，离线分析因为不要求实时性，因此能够利用多种手段和方法进行特征计算，提取的特征也较为准确。
距离特性在脑电信号研究中，已经被广泛的用来进行特征提取，在进行疲劳研究过程中，我们前期研究在实验室中，对受试者进行了相关脑电信号的采集工作，采集对象是10个受试者，分别采集两次，一次上午连续采集一个半小时，一次在中午不休息的情况下下午连续采集一个半小时，实验是在一个安静的屏蔽房内放松的坐在一个没有扶手的软椅上，看着正前方的电脑屏幕，根据实验员的安排和屏幕刺激的指示做脑电实验。脑电获取是利用40导Neuroscan放大器，通过scan4.3软件进行获取，参考电极方式采用右侧乳突作为参考电极，利用1000Hz采样率，波段采集利用200Hz低通，0.05Hz高通和50Hz陷波。
通过对不同状态下这十个受试者的ERP成分分析结果表明，不同状态下的受试者脑电波直接在不同的状态下，特别是在上午和下午之间，脑电波存在显著差异性，这就为利用距离特性进行相关的特征提取提供了可能性，对10个受试者进行分析结果显示，采用两个状态下，利用Fisher距离进行特征提取的时候，在时频域上可以提取出135个特征描述两者直接的差距。（作者单位：江西科技学院信息工程学院）
本文是江西科技学院汽车类协同创新项目“基于脑波距离特征的驾驶疲劳预警方法”（ 课题编号：xtcx201312）的前期研究成果。
参考文献：
[1]毛喆. 机动车疲劳驾驶行为识别方法研究[D].武汉理工大学，2009.
[2]孙伟，张为公，张小瑞，陈刚. 疲劳驾驶预警系统的研究进展[J]. 汽车电器，2009，01：4-8.
[3]孙伟，张为公，张小瑞，吕成绪，陈刚. 疲劳驾驶检测方法的研究进展[J]. 汽车技术，2009，02：1-5+17.
[4]李都厚，刘群，袁伟，刘浩学. 疲劳驾驶与交通事故关系[J]. 交通运输工程学报，2010，02：104-109.
[5]彭军强，吴平东，殷罡. 疲劳驾驶的脑电特性探索[J]. 北京理工大学学报，2007，07：585-589.
[6]孙显彬，唐洪伟，文妍. 疲劳驾驶预警系统的研究现状和发展趋势[J]. 青岛理工大学学报，2007，03：91-94.
[7]袁翔，孙香梅. 疲劳驾驶检测方法研究进展[J]. 汽车工程学报，2012，03：157-164.
[8]徐建君. 基于人脸特征的列车司机疲劳驾驶检测与识别系统研究[D].西南交通大学，2010.