【奥迪a6怎么检测疲劳驾驶】司机疲劳预警系统的详细说明

/指导/

驾驶员疲劳预警系统是驾驶员状态监测系统的重要组成部分。司机疲劳警报系统可以监控和提醒司机本身的疲劳状态，从而减少司机疲劳驾驶的潜在危险。

驾驶员精神状态下降或进入浅水面后，根据驾驶员精神状态指数，将给予语音提示、振动提醒、电脉冲警告等，警告驾驶员已进入疲劳状态，需要休息。

图1驾驶员疲劳预警系统

系统配置

疲劳报警系统一般由信息采集单位、电控单位和报警显示单位三部分组成。

信息收集单位通过传感器收集驾驶员信息和车辆状态信息。司机信息包括司机的面部特征、眼睛信号、头部运动性等。车辆状态信息包括方向盘转角、行驶速度、行驶轨迹等。

作为电子控制单元的ECU接收信息采集单元发出的信号，并进行运算分析以判断驾驶员的疲劳状态。通过分析发现驾驶员处于一定疲劳状态时，向警报指示设备发送信号，警报指示设备通过根据ECU传递的信息，通过语音提示、智能提醒、电脉冲警告等方式向驾驶员发送警报。

检测原理

驾驶员疲劳检测的原理主要基于驾驶员自身的特点，包括生理指标和生理反应检测、车辆行驶状态检测方法、多特征信息融合的检测方法等。

2.1基于生理指标检测

驾驶员从疲劳状态出发，大脑、电、心、电、脉搏、呼吸等生理指标偏离正常状态，因此可以通过生理传感器检查驾驶员的生理指标，判断驾驶员是否处于疲劳状态。

一、脑电信号的检测，脑电信号是人脑功能的宏观反应，利用脑电信号反映人体的疲劳状态，客观准确。

脑电信号被称为疲劳检查的金标。人在疲劳状态下增加慢波，降低激波，利用脑电信号检测驾驶疲劳状态的准确度较高，但其操作复杂，不适合车辆实时检查。

第二，心电图信号检测。心电图指标主要包括心率和心率变异性等。其中心率信号综合反映人体疲劳度、任务和情绪的关系，心率变异性综合反映心脏神经活动的紧张度和平衡度。

心电图信号是判断驾驶疲劳的有效特征，准确度很高。但是，利用心电图信号检测人体疲劳状态，需要接触电极和人的身体，会给司机的正常驾驶带来不便。

第三个是EMG信号检测。通过肌电图信号分析反映人体的疲劳程度。肌电图的频率随着疲劳的发生和疲劳度的加深呈下降趋势，肌电图的振幅增加，疲劳度增加。这个方法测试简单，结论也很明确。

第四个是脉搏信号检测。根据人体的精神状态，心脏活动和血液循环也有差异。脉搏实际上反映了心脏和血液的循环。因此，利用脉搏波检测驾驶员疲劳状态是有可行性的。

第五是呼吸信号的检测。人体疲劳状态的重要表现之一是呼吸频率降低，呼吸顺畅。

在正常驾驶过程中，司机精神集中，呼吸频率相对较高。开车时和别人聊天，呼吸波的频率会更高。司机疲劳驾驶时注意力集中度也会降低，呼吸也会变得柔和。因此，通过检查驾驶员的呼吸状态来判断疲劳驾驶与否也成为研究疲劳驾驶警报系统的重要维度。

以司机生为基础

理指标的检测方法，客观性强，准确性高，但与检测仪器强相关。这些检测方法基本都是接触性的检测，会干扰到驾驶员的正常操作，影响行车安全。另外，由于不同人的生理信号特征有所不同，并且和心理活动的关联较大，在实际用于驾驶员疲劳检测的时候，存在很大的局限性。

2.2 基于生理反应检测

基于驾驶员生理反应特征的检测方法，一般采用非介入式的检测途径，利用机器视觉技术，检测驾驶员面部的生理反应特征，如眼睛特征、视线方向、嘴部状态、头部位置等，判断驾驶员的疲劳状态。

首先是眼睛特征的检测。驾驶员眼球的运动和眨眼信息被认为是反应疲劳的重要特征，眨眼的幅度、频率以及平均闭合的时间，都可以直接用于检测疲劳。

目前被认为最有应用前景的实时疲劳检测方法是PERCLOSE，即Percentage of Eyelid Closure Over the Pupil Over Time，它是指一定时间内眼睛闭合时所占的时间比例，类似占空比的概念。通常我们按照p80的标准检测，即单位时间内眼睛闭合程度超过80%的时间，占总时间的百分比，它和驾驶疲劳程度的相关性最准确。

为了提高疲劳检测的准确率，可以综合检测平均睁眼的程度、最长闭眼时间的特征作为疲劳指标，达到较高的疲劳检测准确率。

通过眼睛特征检测驾驶员的疲劳程度，不会对驾驶员的行为带来任何的干扰，因此成为这一领域现行研究的热点。

第二是视线方向的检测。把眼球中心与眼球表面亮点的连线定为驾驶员的视线方向，正常状态下驾驶员正视车辆的运动前方，同时视线方向移动速度比较快；疲劳时，驾驶员视线方向的移动速度会变慢，表现出迟钝的现象，并且视线轴会偏离正常的位置。

通过摄像头获取眼睛的图像，对眼球建模，把视线是否偏离正常范围，作为判别驾驶员是否疲劳驾驶的标准。

第三是嘴部状态的检测。人在疲劳时往往有频繁的打哈欠的动作，如果检测到哈欠的频率超过预定的阈值，可判断驾驶员已经处于疲劳状态，基于此原理可以完成对驾驶员的疲劳检测。

第四是头部位置的检测。驾驶员在正常驾驶和疲劳驾驶时，其头部位置是不同的。可以利用驾驶员头部位置的变化，检测疲劳程度，利用头部位置传感器对驾驶员的头部位置进行实时的跟踪，并根据头部位置的变化规律，判定驾驶员是否疲劳。

基于驾驶员生理反应特征的检测方法，优点是表征疲劳的特征直观明显，并可实现非接触测量，不足之处在于检测识别的算法复杂，疲劳特征提取困难，且检测结果受光线变化和个体生理状况的变化影响较大，对技术的要求很高。

2.3 基于车辆行驶状态检测

基于车辆行驶状态的疲劳检测方法，不是从驾驶员本人出发去研究，而是从驾驶员对汽车的操纵情况，间接判断驾驶员是否疲劳。该种检测方法主要利用CCD摄像头和车载传感器来检测汽车行驶状态，从而推测出驾驶员的疲劳状态。

首先是基于转向盘的疲劳检测。基于转向盘的检测，包括转向盘转角信号检测和力矩信号检测，驾驶员疲劳时对汽车的控制能力下降，方向盘转角左右摆动的幅度会变大，同时操纵转向盘的频率会下降。

通过对转向盘转角时域和频域分析，方向盘转角的方差或平方差，可以作为疲劳驾驶的评价指标。目前，通过方向盘的转角变化情况来检测驾驶员的疲劳情况，是疲劳预警系统研究的热点。这种方法数据准确，算法简单，并且信号与驾驶员疲劳状况联系紧密，结果可信度高。

另外，驾驶员疲劳时，对转向盘的握力会逐渐减小。通过传感器实时检测驾驶员施加在方向盘的力，可以判断驾驶员的疲劳程度。

驾驶员对于转向盘的操纵特征，能够间接实时地反映驾驶员的疲劳程度，具有可靠性高、无接触的优点。但由于传感器技术的限制，其准确度有待提高。

其次是汽车的行驶状态。通过实时检测汽车的行驶速度，判断汽车是处于有效的控制状态，或是处于失控的状态，从而间接地判断出驾驶员是否疲劳。

另外，驾驶员疲劳驾驶时，由于注意力分散，反应迟钝，汽车可能偏离车道。基于汽车行驶状态的检测方法，优点是非接触检测信号容易提取，不会对驾驶员造成干扰，基于车辆当前的硬件，只需增加少量的硬件，就具有很高的实用价值。缺点是受到车辆的具体情况，道路的具体情况以及驾驶员的驾驶习惯经验和条件等限制测量的准确性并不高。

2.4 基于多特征信息融合检测

基于多特征信息融合的检测方法，通过信息融合技术，将驾驶员生理特征、驾驶行为及车辆行驶状态相结合，是理想的检测方法，大大降低了采用单一方法造成的误检和漏检率。

信息融合技术的应用，让疲劳检测技术得到更进一步的发展和提高，能够客观、实时、快捷、准确地判断出驾驶员的疲劳状态，避免疲劳驾驶所引起的交通事故，这也是疲劳检测技术的发展趋势。