当前位置：文档库 › 司机疲劳驾驶检测系统设计

司机疲劳驾驶检测系统设计

摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。

司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。实验结果表明系统能实时、准确地反映司机的疲劳状态。

关键词：疲劳驾驶人脸检测肤色检测交通安全疲劳判断

摘要

Abstract

1.疲劳驾驶检测系统研究背景与意义...............................................................................................................

2.疲劳驾驶检测系统研究与实现

2.1国内外疲劳驾驶检测系统研究现状

2.1.1国外疲劳驾驶检测系统的研究成果.........................................................................................................

2.1.2国内疲劳驾驶检测系统的研究现状.........................................................................................................

2.2疲劳驾驶检测系统浅析................................................................................................................................

2.3驾驶员疲劳检测系统的研究........................................................................................................................

2.3.1人脸检测

2.3.2人眼定位

2.3.3疲劳程度的综合判定 .............................................................................................................................................................................

3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究...........................................................................

3.1研究内容及目标............................................................................................................................................

3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发.....................................................................................

3.1.2疲劳驾驶检测与识别算法OSP移植

3.2基于Adaboost算法的人脸检测

3.2.1人脸检测技术概述

3.2.2Adaboost人脸检测算法

3.3基于Adaboost算法的人脸检测软件实现

3.3.1.样本训练过程

3.3.2人脸检测程序

3.4人眼检测与人眼状态分析算法

3.4.1基于Adaboost的人眼检测算法

3.4.2人眼级联分类器效果分析

3.4.3人眼状态分析算法

4.基于贝叶斯网络的驾驶疲劳程度识别模型

4.1基于贝叶斯网络模型的驾驶疲劳程度识别

4.2驾驶疲劳程度识别模型

4.2.1驾驶疲劳贝叶斯网络结构

4.2.2贝叶斯网络条件概率表的确定

4.2.3驾驶疲劳程度贝叶斯网络识别模型

4.3模型有效性验证

5.基于FPGA的疲劳驾驶检测系统设计

5.1疲劳驾驶检测系统总体设计方案

5.1.1系统红外光源原理

5.1.2系统总体设计

5.2系统硬件设计与实现

5.2.1系统硬件总体架构

5.2.2图像采集电路设计

5.2.3主控板设计

5.2.4辅助电路设计

5.2.5系统硬件电路的物理测试

6.基于NiosII 多核驾驶疲劳检测系统设计

6.1系统介绍

6.2系统关键模块设计

6.2.1图像采集模块设计

6.2.2图像处理算法

6.2.3图像处理算法硬件加速的实现

6.2.4数据存储模块设计

7.疲劳驾驶预警系统的研究进展.......................................................................................................................

7.1预警系统的组成及工作原理

7.2典型的疲劳驾驶预警系统

7.3疲劳驾驶预警系统比较

7.4发展趋势

8.新型多功能驾驶员状态监测系统设计

8.1无线脑电信号采集和分析

8.1.1情绪预警

8.1.2疲劳监测

8.1.3突发疾病监测

8.2酒精监测

9.多源信息融合在驾驶疲劳检测中的应用

9.1驾驶疲劳特征

9.1.1PERCLOS值的计算

9.1.2行驶方向改变与驾驶员反应不一致情况

9.1.3方向盘动作状态

9.1.4连续驾驶时间

9.1.5实际时间参数

9.2模糊神经网络疲劳识别

9.2.1疲劳度量化

9.3智能控制技术在汽车疲劳驾驶监控中的应用研究

9.3.1硬件描述

结束语 ................................................................................................................................................................. 参考文献 .............................................................................................................................................................

1.研究背景与意义

驾驶疲劳川是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完全丧失驾驶能力。美国印第安那大学对交通事故原因的调查研究发现85%的事故与驾驶员有关，车辆和环境因素只占15%。驾驶员在事故发生前一瞬间的行为和故障直接导致了事故的发生，这些行为包括知觉的延迟、对环境的决策错误、对危险情况的处理不当等。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，产生这些错误的根本原因就是驾驶疲劳。

随着我国生活水平的提高，人们的衣食住行等方面有了很大的改善，在交通方面更是有了质的飞跃。四通八达的道路、便捷的交通工具大大地缩短了人与人的距离，其中汽车保有量更是与日俱增，一个家庭拥有两辆以上的小车已经不是什么新鲜的事情。但是，汽车在带给人们方便的同时，随之而来的交通事故也源源不断。据统计，我国交通事故死亡人数己连续10多年居世界第一。我国在滚滚车轮下丧生的人数，短短十几年间己从每年5万多人增长到10多万人，是交通事故死亡人数居世界第二位国家的两倍。其中，驾驶员疲劳造成交通事故的占总数的20%左右，占特大交通事故的40%以上。同样，在国外情况也不容乐观。据美国国家公路交通安全委员会的估计，在美国大约发生56000次与睡眠有关的交通事故，其中约40000人次受伤和1550人死亡。1965年美国俄克拉荷马州收费公路局发表了1953年至1964年2128名机动车驾驶员发生车辆碰撞事故的调查结果:22%的驾驶员打吨驾驶，48%的交通事故归结于疲劳驾驶疲劳。

由此可以知道，疲劳驾驶正逐渐成为交通事故的主要原因之一，成为马路上的“第一杀手”，如果我们能积极开展疲劳检测的工作，提醒驾驶者，很大程度上就能预防和减少交通事故的发生，使得公民的出行更加安全。因此，研究出一套疲劳检测的系统对社会和民众都有不可估量的社会意义和经济价值。

一套好的检测系统必须要有成熟而完善的算法。本文对疲劳检测系统的实现方法进行研究，以期提高疲劳检测的速度和准确度。如果能将好的算法应用于疲劳检测系统之中，无疑能更有效的预防驾驶员疲劳驾驶而引起不必要的人员伤亡和经济损失。

2. 疲劳驾驶检测系统研究与实现

2.1国内外疲劳驾驶检测系统研究现状

对疲劳驾驶的研究在国外最早可以追溯到20世纪30年代，但实际上，投入真正研究的却还是从上世纪RO年代美国国会通过的汽车驾驶状态与交通安全之间的关系研究开始的。进入上世纪90年代，疲劳驾驶的科研工作得到了人们更大的重视，取得了一系列卓有成效的成果。

2.1.1国外疲劳驾驶检测系统的研究成果

早期的疲劳驾驶测评主要是从医用角度出发，借助医疗器件进行生理特征测量的。疲劳驾驶的实质性的研究工作是从20世纪80年代由美国国会批准交通部研究交通安全和机动车驾驶的关系，并健全汽车安全管理条例开始的。由此把疲劳驾驶的研究提高到了立法高度，保证了开展疲劳驾驶研究的有效性、合法性和持续性。其研究工作大概可以分为两大类:一是研究疲劳磕睡产生的原因和其他诱发因素，寻找能够降低这种危险的方法:二是研制智能报警系统，防止驾驶员磕睡状态下驾驶。20世纪90年代，美国对疲劳驾驶电子装置的研发

工作发展的较快。在各国研制的装置中具有代表性的成果有:

(1)美国研制的打磕睡驾驶员侦探系统DDDS(The Drowsy Driver DetectionSystem)。采用多普勒雷达和信号处理方法，可获取驾驶员烦躁不安的情绪活动、眨眼频率和持续时间等疲劳数据，用以判断驾驶员是否打磕睡或睡着。该系统可制成体积较小的仪器，安装在驾驶室内驾驶员头顶上方，完全不影响正常的驾驶活动。

(2)美国华盛顿大学通过自行开发的专用照相机、脑电图仪和其他仪器来精确测量头部运动瞳孔直径变化和眨眼频率，用以研究驾驶行为问题。一般情况下入们眼睛闭合的时间在0. 2-0. 3 s之间，驾驶时若眼睛闭合时间达到0. 5秒就很容易发生交通事故。

(3)卡内基梅隆研究所的Copilot装置。研究所的Grace等人采用特制的红外LED装置，根据人的视网膜对不同波长红外光的反射量不同所表现出生理特征，使用850nm和950nm 波长的红外光源，在同一时间内得到两幅眼部具有微小差别的图像，然后将这两幅图像进行差分相减，就可以提取出眼部瞳孔的位置和大小。再用PERCLOS法则计算眼睛的闭合程度来判断疲劳的程度。使用此装置能比较准确地定位出人眼然后进行疲劳判断。

(4)2000年1月明尼苏达大学计算机科学与工程系的Nikolaos P.Papanikolopoulos教授成功开发了一套驾驶员眼睛的追踪和定位系统，通过安置在车内的一个CCD摄像头监视驾驶员的脸部，用快速简单的算法确定驾驶员眼睛在脸部图像中的确切位置，追踪多幅图像来监控驾驶员是否驾驶疲劳。同年3月，他对上述系统进行了改进，改用红外线彩色摄像头并加滤波器滤除图像的噪声和非脸部的图像，使搜索脸部图像的次数减少，加快了处理图像的速度。

(5)日本成功研制了电子“清醒带”，固定在驾驶员头部，将其一端的插头插入车内点烟器的插座，装在带子里的半导体温差电偶使平展在前额部位的铝片变凉，使驾驶员睡意消除，精神振作。

(6)日本先锋公司最近开发出防止驾驶员开车打磕睡的系统。它可通过心跳感应器每隔巧秒检测司机的心跳速度，监测司机驾驶员是否打磕睡，在睡意来临巧分钟前提醒司机注意，防止发生事故。先锋公司还研究了通过测量眨眼频率和车体摇晃频率监测司机是否磕睡的系统。

(7)西班牙的防磕睡系统(Anti-Drowsiness System)，测量驾驶时手对方向盘的握力，一旦检测到疲劳发生，利用汽车的灯不停的闪烁，提醒周围的交通车辆。

(8)澳大利亚的头部位置测量跟踪系统与沃尔沃合作，通过测量头部位置、闭眼和眨眼评估疲劳驾驶，但是它要求在司机的脸上作一些标记，给司机带来极大的不便。

(9) 2005年，澳大利亚的研究人员们推出了一款眼镜，它可以检测出司机是否已经处于疲劳状态，并及时提出警告。原理是通过红外线传感器监测司机的眼睑活动和眨眼频率，据此判断司机是否己经处于疲劳状态。

(10)转向盘监视系统S. A. M(Steering Attention Monitor)，一种监测方向盘非正常运动的传感器系统，当方向盘正常运动时传感器系统不报警，若转向盘4s不运动就会发出报警声直到转向盘继续正常运止。该系统固定在车内录音机旁，转向盘下面的杆上装有一条磁性带，用以监测转向盘的运动。

(11)头部位置测量仪(ASCI Advanced Safety Concepts Inc研制)。传感器设计安装在司机座位上方，每个传感器都能输出司机头部距离传感器的位置，利用三角代数算法就可以计算出头在X, Y, Z三维空间中的位置，也能够实时跟踪头部的位置，同时利用各个时间段头部位置的变化特征，可以表现出司机处于清醒还是磕睡状态。该传感器物理特点基于传感器电极屏蔽之间的电容，通过人这个高导体可以改变电极之间的电容，通过测量电压计算头部与传感器之间的距离。当人进入电容区域时，临近的电容改变同距离之间的关系是，利用3 个传感器，就可利用三角代数计算出头的X, Y, Z的坐标。并对司机的头部位置进行实时跟

踪，并且根据头部位置的变化规律判定司机是否磕睡，发现点头的动作和磕睡有非常好的相关性。

(12)法国图卢茨西门子汽车公司投资1700万法郎研制的一整套疲劳检测系统。他们在汽车上装上5种传感器:汽车速度传感器(监测汽车是否超速)、脚踏板传感器(监控脚踏板上压力的情况，是否在预定时间内没有压力变化)、方向盘传感器(监测方向盘情况)、车尾CCD 传感器(测量汽车和马路上旁侧或中间的白线距离)、眼睛传感器(专门监控眼部的疲劳特征)。这套系统主要是从多方面情况来联合监控驾驶员的情况，运用传感器融合的原理来综合判断驾驶员的情况，在实时性、准确性上有很大的保障。

2.1.2国内疲劳驾驶检测系统的研究现状

国内的疲劳驾驶预警系统的研究还处于起步阶段，相对国外来说还比较落后。我国对疲劳驾驶的研究最早始于20世纪60年代，其中主要以高校居多。到目前为止，还没有很成熟的产品问世。目前的检测方法主要有:

(1)江苏大学汽车与交通工程学院的葛如海教授等〔5]人设计的一套疲劳监控系统，运用图像差分、灰度直方图等一系列图像处理方法，定位驾驶员眼睛睁开闭合状态，再用PERCLOS指标衡量驾驶员的疲劳状态。

(2)上海交通大学石坚、吴远鹏等人通过在车上安装传感器来测量方向盘、踏板压力等情况间接或许驾驶员的疲劳信息，当踏板或方向盘长时间不动的时候，驾驶员可能有疲劳的迹象，但是这和驾驶员的驾驶经验和习惯有关，准确性不高。

(3)中南大学对驾驶员驾驶时的疲劳检测方法进行了研究，设计出了一套眼睛跟踪系统，可达到实时的跟踪效果，同时研究了疲劳时眼睛的闭眼时间、快眨眼次数、慢眨眼时间和次数的特征模式。

(4)航空医学研究所的俞梦孙、周俞斌等司利用人眼在特定波长的红外光照射下的不同成像特点，设计了适用于全天候的疲劳检测系统。

(5)西南大学的姜德美提取驾驶员驾驶时的反应时间和方向盘转动角度作为BP神经网

络模型的输入，来进行仿真验证。

(6)浙江大学正在研究驾驶防磕睡装置，该装置通过实时监测一段时间内驾驶人员眼睛的活动如眼睛的闭合时间、闭合频率等参数，来判断当前驾驶人员的注意力程度，从而识别驾驶员是否疲劳。

(7)中国农业大学车辆与交通工程学院正在进行机动车驾驶员疲劳测评方法的研究，他们使用CCD摄像头来采集图像数据，数据采集到计算机后，先利用高斯肤色模型进行驾驶员人脸定位，然后根据人脸图像的灰度分布检测出眼睛在图像中的具体位置，最后利用模板匹配技术判断出人眼的开闭状态，并计算出眼睛的闭合时间和PERCLOS，当眼睛的持续闭合时间大于3秒，PERCLOS大于80%时，就认为驾驶员处于疲劳驾驶状态，发出警告。

(8)吉林大学的王荣本等与中国业大学郑培等，利用机器视觉的方法对驾驶员的眼睛特征进行实时跟踪从而判断驾驶员的精神状态。

(9)深圳长途汽车公司的周鹏应用人体生理学、现代神经学、电子工程学分析了驾驶员疲劳事故隐患的起因，提出了消除疲劳事故隐患必须消除司机开车时的异常疲劳和大脑麻痹。根据这一思想他研究了佩戴于司机小腿部与手腕部的“司机疲劳事故预防器”。

(10)中国的金吉公司制造了一种像戒指一样的测量装置，利用人的皮肤阻抗的变化，司机磕睡时，通过声音提醒司机当前的状态，由于特异性和准确度不高，误报率和漏报率都很高。

综合国内外的现状来看，能做到实时、有效、简单地检测驾驶员的疲劳情况是目前研究的重点和热点，但是目前市场上还没有非常成熟的产品投入到市场上进行实际的应用，这主

要存在着以下的困难:首先产品的投入成本比较高，汽车厂商研制出了较好的预警系统但是却无法很好地进行商业化的推广;其次目前疲劳的判断没有确切的定义，因此在进行疲劳检测的时候可能会出现误判等情况:再者诸如EEG,“清醒带”、监测眼镜等方法的有效性良好，但是由于是接触性的装置，大大影响了驾驶员了自由活动;最后还因为个体和环境的差异(诸如男女性别、近视眼镜、光照情况、路况等)受到不同的影响。

总体看来，驾驶员疲劳检测是个复杂的过程，我国的驾驶疲劳检测的方法同发达国家相比，还存在较大的差距。研究表明，眼睛状态和疲劳有很大的关联性，现阶段随着数码相机和网络摄像头的价格越来越便宜，通过监测驾驶员的眼睛状态来判断驾驶员是否疲劳的技术正逐步成为热点。因此，研究如何利用机器视觉技术、图像处理技术、人脸识别技术PERCLOS 疲劳检测方法相结合，开发出一种车载的、非接触式的、实时的员疲劳检测系统是当前的一个研究热点，这就是本课题研究的初衷。

2.2疲劳驾驶检测系统浅析

经过几十年的研究疲劳检测技术仍远未达到成熟、完善的地步国内外主要研究成果如下(1)利用方向盘内置传感器感应驾驶员对航向纠正的速率若对方向的掌控迟钝则判为疲劳驾驶并发出警报但这个系统并未充分考虑长距直路、路况好的情况。( 2)利用内置摄像头侦测驾驶员眼部状态包括:眼睑、瞳孔变化及眨眼频率等来判断驾驶员是否疲劳。但这个系统并未充分考虑人眼特征差异，比如:眼眼小的人、睡觉睁眼的人戴眼镜的人等。( 3)利用连续驾车时间来判断驾驶员是否疲劳。这种方法很难扼制短暂停车继续驾驶的人。(4)利用后视镜传感器检测车辆是否偏离车道若车辆非线性行驶则判为疲劳驾驶并发出警报。该系统不适合崎岖、颠簸的道路。( 5)利用驾驶员脸部肤色变化来判断是否疲劳驾驶这种方法受光照强度的影响很大。其他如通过检测心跳、血压、明视持久度、能见度、调节时间变动率、闪光融合频率、脑电图、心电图、肌电图等判定疲劳的方法形式单一多信息融合系统随之产生担其准确性、可靠性有待完善。

2.2.1神经传导速度测定方法

疲劳直接反映了神经的传导时间人在疲劳时房使神经传导时间明显延时。所以神经传导速度可作为反应驾驶员是否疲劳驾马史的基本生理参数。

1.感觉神经传导速度测定方法

疲劳早期驾驶员主要是感觉障碍基本无运动障碍和肌肉萎缩问此时测定感觉神经传导速度对于预防疲劳驾驶、避免交通事故的发生具有重要意义。

根据如下公式计算出感觉神经传导速度:检测方法如下(以挠神经为例)使用指环电极作为刺激电极，使用表面电极作为记录电极，刺激位置为拇指接近虎口的指关节，记录位置选择手腕挠测或前臂下1 /3}}a测出刺激点与记录点之间的距离S并测出刺激开始至感觉神经收缩产生动作电位的潜伏期T。

2.运动神经传导速度测定方法

运动神经传导速度检查能直接测定运动神经的传导性。根据刺激点与记录电极之间的距离差及潜伏期间隔来推算该段距离内的运动神经传导速度。

根据如下公式计算出运动神经传导速度：

2.2.2系统设计

本系统主要靠检测、计算出的神经传导速度与参考值作比较来判断驾驶员是否疲劳。通过内嵌在方向盘内的电极及腕、肘部的电极来测得神经传导速度的关键参数并传入控制系统,由控制系统通过计算、与参考值进行比较最终对是否疲劳作出裁决厂旦认定疲劳驾驶,便启动声、光报警系统甚至自动刹车系统,以避免交通事故的发生。

2.3驾驶员疲劳检测系统的研究

为了减少由于驾驶员疲劳驾驶引起的交通事故，提出驾驶员疲劳状态检测系统的方案。使用3×3中值滤波去除噪声和光照对图像的影响，通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测，在检测到的人脸区域，通过积分灰度投影和从粗到细改进的模板匹配方法对人眼进行准确定位；通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算，进行驾驶员疲劳程度的综合判定。实验结果表明，该方法准确率高，兼具了良好的实时性和鲁棒性。

2.3.1人脸检测

1.图像预处理

由于自然条件下的噪声和光照影响等一些因素，会给人脸图像的处理带来一定的干扰，所以需要找到合适的方法滤除噪声和改善非均匀光照的影响。经实验验证，3×3中值滤波法可达到很好的预处理效果。

2.改进的AdaBoost 检测方法

1995 年，Freend 和Schapire 提出AdaBoost 算法，ViolaP 和Jones M 提出的与基于积分图的Haar-like 特征快速计算算法相结合的AdaBoost算法，在历史上第一次真正实

现目标的实时检测。这个算法的基本思想就是将大量的分类能力一般的弱分类器通过一定方法叠加起来，构成一个分类能力很强的强分类器，且算法不需要任何关于弱分类器性能的先验知识，很容易应用到实际问题中。AdaBoost算法流程如图2所示。

Viola P 和Jones M 提出的基于AdaBoost 的快速目标检测方法，虽然得到了广泛的应

用，但是该算法还存在很多问题。如：虽然AdaBoost系统检测速度很高，但是由于AdaBoost 算法本身训练比较耗时，整个系统的训练时间非常惊人。根据文献[7]，其系统在训练上花费了数周的时间。在分析这些问题的基础之上，本文提出了改进的AdaBoost目标检测算法，极大降低了检查的时间。

（1）强分类器训练改进算法

基于AdaBoost的快速目标检测算法在计算Haar-like特征时使用积分图的方式进行了快速计算，根据文献[8]的统计，24×24的搜索窗口虽然有18万的特征，但是过半的矩形特征面积非常小（小于2×2），这些特征在实际目标检测的性能很差，使训练的特征不具有很好的泛化能力。本文在进行特征选取的时候将这些小面积矩形特征进行过滤，避免了此类特征的计算，在保证分类器检测率的同时，提高了分类器的训练速度。由AdaBoost训练强分类器的训练算法可以看出，该算法是选择单个特征作为弱分类器，且选择弱分类器的标准是弱分类的检测准确率略大于随机猜测（即略大约0.5），则将该弱分类器保留。但是在训练的过程中，很可能出现非常相似的特征，这类相似的特征对分类器的性能没有提高的作用，而且不利于分类器的泛化能力。

（3）级联检测技术的优化

AdaBoost 算法能够完成实时性检测的原因除了通过积分图进行快速特征计算之外，另一个重要原因是该算法在进行检测目标时采用了级联分类器。级联结构分类器如图3所示。

在将训练出强分类器串联在一起形成层叠分类器时，应遵循“先重后轻”的分级分类器思想，将由重要特征构成的结构较简单强分类器放在前面。这样可以先排除大量假样本，从而提高检查速度。AdaBoost 算法在进行级联分类器训练的时候，对每一级强分类器都进行了重新训练，训练比较耗时。已经证明：“随着弱分类器数量的增加，通过AdaBoost构建的强分类器的检测率也会不断提高”。本文为了提高训练速度，在对级联分类器训练时，后一级的强分类器会重复利用前一级已经训练好的弱分类器，并在此基础上通过增加弱分类器的数量来提高强分类器的性能。这样可以大大减少强分类器的训练时间。

2.3.2人眼定位

1.灰度积分投影确定准眼睛区域

在准确定位脸部位置后，根据人脸的面部器官的分布，人眼在脸部的上半部，所以首先截取人脸区域是上半部进行处理。人脸图像中眼睛部位的灰度值通常比周围区的灰度值小，利用该特征常使用积分投影的方法来定位眼睛。最为常用的投影函数是积分投影函数。

2.改进的模板匹配精确定位眼睛

模板匹配方法是假设待搜索图像S 的尺寸为W ′H ，模板T 的尺寸为M ′N ，通过一定的算法在大图像（即待搜索图像S）中搜索与模板T具有相近的尺寸、方向和图像的子图，并确定其坐标位置。

基于相似度的模板匹配算法以各局部图像作为模板，先在人脸集中手工提取各种状态的

眼睛图像作为模板。

一幅眼睛图片为一个模板，即一个二维矩阵，利用眼睛模板与人脸图像作相关匹配，匹配函数如下：

当模板匹配的相关系数R(i j) 等于1的时候，说明搜索子图与模板完全匹配。这只是一个理想值，模板匹配的过程中主要是寻找相关系数的最大值，此时它所对应的搜索子图便是所要寻找的目标子图。显然，用这种公式做图像匹配计算量大、速度慢。可以使用另外一种算法来衡量T和Sij的误差，其公式为：

计算两个图像的向量误差，可以增加计算速度，根据不同的匹配方向选取一个误差阀值E0，当E(i j)> E0时就停止该点的计算，继续下一点的计算。

2.3.3疲劳程度的综合判定

驾驶员疲劳的判定会因错误检查带来不良影响，本文采用PERCLOS、眼睛闭合时间、

眼睛眨眼频率、嘴巴张开程度、头部运动的计算，进行疲劳程度的综合判定，准确、有效地进行驾驶员疲劳的检测。

1.PERCLOS

PERCLOS（Percentage of eyelid Closure over thepupil overtime）是指眼睛闭合时间占某一特定时间的百分率。PERCLOS 方法有P70，P80 和EM 三种判定标准。研究表明P80与疲劳程度间具有最好的相关性。

2.嘴巴张开程度

嘴巴的状态通常有三种，闭合，说话及打哈欠，在疲劳状态下，人会频繁地打哈欠。在人脸下半部分进行水平灰度投影，观察不同单人图像的水平灰度投影曲线，会发现该区域下半部分的水平灰度投影曲线有一个波谷，即为嘴唇间位置。对人脸下半部分区域二值化，从嘴唇间向上、下计算连通区域（连通区域可以防止鼻孔及胡须对计算带来影响）的像素值，即可得到嘴巴的张开程度。

3.眼睛高度D 及嘴巴高度H 补偿

在上眼睑到下眼睑的垂直距离D 及上嘴唇到下嘴唇的垂直距离为H时，由于驾驶员头部相对于检测设备有位置移动，因此为了实现驾驶员眼睛高度和嘴巴高度的准确计算，需要修正眼睛、嘴巴与检测设备距离相对变化引起的D及H变化。

4.眼睛闭合时间

眼睛闭合时间，一般用眼睛闭合到睁开所经历的时间来表示。人处于正常清醒状态时，眼睛闭合时间是很短的，会迅速睁开眼。而当疲劳时，眼睛闭合时间会明显变长，因此眼睛闭合时间能直接反映驾驶员的精神状态。本文采用计算从眼睛闭合D/3 到睁开D/3 的最大帧数，帧数越多，闭合时间就越长，则疲劳程度就越严重。

5.眼睛眨眼频率

人在疲劳状态下，眨眼频率会比清醒状态下频率高。本文也将其作为一项参数作为疲劳判断的依据。眼睛闭合D/3 到睁开D/3 为眨眼一次。累加一段时间内眨眼次数，作为疲劳判断的一项参数。

6.头部运动的疲劳参数

驾驶员在疲劳状态下会出现频繁点头，头部向前倾。本文通过水平灰度积分投影得到眼睛瞳孔、嘴角的水平位置。d1为瞳孔水平位置到采集图片的上边缘距离，d2为嘴角的水平位置到采集图片的下边缘距离。在驾驶员疲劳出现点头情况，则d1增大且d2减小。驾驶员疲劳时，头部向前倾，则d1增大且d2增大。点头和头部向前倾可以作为疲劳判断的一项重要的依据。

3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究3.1研究内容及目标

本章的目标是开发一套基于人脸特征识别的非接触式列车司机疲劳驾驶实时检测预警装置。本文的研究内容为:结合列车司机驾驶的特点和规律,利用模式识别与图像处理知识分析列车司机疲劳驾驶时的脸部特征,研究适合于列车运行时驾驶室光照情况复杂多变及高频低幅振动环境下的列车司机疲劳检测和识别算法,并在以DSP数字信号处理芯片为核心的硬件平台上实现检测与识别算法,以达到系统实时检测的性能要求。主要完成以下研究内容:

1.实现由摄像头实时捕捉视频数据;

2.提出适合列车驾驶室环境的人脸检测算法,使其对振动环境和光照变化有较强的鲁棒性;

3.提出人眼检测算法,及判断眼睛睁开/闭合的状态识别分析算法;

4.根据眼睛睁开/闭合数据,基于PERCLOS的P80模型,给出列车司机疲劳驾驶的判定算法;

5.在以DSP为核心的硬件平台上,将列车司机疲劳驾驶检测与识别算法移植到DSP芯片中,提高算法的检测速度。

本识别系统的开发主要分为两大阶段进行:

1.检测与识别算法开发:在PC上进行基于人脸特征的列车司机疲劳检测与识别算法开发。主要完成基于Adaboost算法的人脸与人眼分类器训练,以及人眼状态识别算法开发;

2.基于DSP的疲劳检测与识别算法移植:将PC上的非实时疲劳驾驶检测与识别算法移植到基于DSP的高速数据处理嵌入式系统,使算法达到实时检测与识别的要求。

3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发

本阶段的主要任务是:结合列车司机驾驶的特点和规律,分析列车司机疲劳驾驶时的脸部特征,研究适合于列车运行时驾驶室光照情况复杂多变及高频低幅振动环境下的列车司机疲劳驾驶检测与识别算法。

整个检测与识别系统必须准确地检测和定位眼睛,根据查阅的相关技术资料,最终确定本阶段算法开发分为三个步骤进行:l)检测视频中的人脸;2)在人脸区域中定位人眼;3)对人眼状态进行识别,确定其状态,睁开或闭合。采用先检测人脸,再检测人眼的策略,可以减少检测算法的计算量,同时提高人眼检测的准确率。

3.1.2疲劳驾驶检测与识别算法OSP移植

根据国内外研究人员发表的论文或技术资料显示:采用Adaboost算法开发的人脸检测系统,计算量大,在对视频进行检测时,实时性方面表现不尽理想,而且本系统在人脸与人眼检测阶段均采用Adaboost算法,同时考虑到本系统设备便携式的要求,所以将算法移植到具有高速数据处理性能的DSP嵌入式系统中,提高系统检测与识别速度。

疲劳驾驶检测算法的DSP移植及优化,首先完成基于DSP旧105最小视频输入输出系统程序,然后将疲劳检测算法从PC移植到.DSP系统,并完成移植过程涉及到的相关算法优化及线性汇编优化等工作,使系统达到实时检测与识别的要求。

3.2基于Adaboost算法的人脸检测

整个疲劳检测系统首先必须准确地检测到人眼位置,我们采用先确定人脸区域,然后在人脸区域内进一步检测、定位人眼的方法,这样可以使得人眼的检测与定位更准确一些。

3.2.1人脸检测技术概述

人脸检测采用的方法大致可分为基于统计和基于知识两种类型[5]。基于统计的方法将人脸图像视为一个多维向量,从而将人脸检测问题转化为多维空间中分布信号的检测问题;而基于知识的方法则利用人脸特征先验知识定义若干规则,建立相应的数学模型,从而将人脸检测问题转化为假设和验证问题,比如利用人脸肤色和几何结构等。

从表2一1可以看出,每种人脸检测方法都有一定的优缺点以及应用场合。基于知识建模的方法,一般对建模的假设条件依赖性强,而基于统计的方法,一般精度较高、鲁棒性强,但运算量大。对于本系统,列车驾驶室光照环境变化迅速,同时带有一定程度的震动,很难保证一个稳定的建模假设环境。例如,列车的光照环境不能保证基于肤色的检测算法要求的光照稳定的建模条件,而列车的震动环境也不能保证基于运动的检测算法要求的背景稳定的建模条件。基于统计的检测方法,通过模式识别的训练过程,提取人脸样本中的大量人脸本质特征,

在光照不理想的情况下,即使缺失少部分特征,仍可以正确识别人脸。t一般来说,基于统计的人脸检测方法只需要当前帧图像,对振动环境并不是很敏感,带来的只是少许图像噪声,对算

法检测性能影响不大。由于本系统采用高速DSP数字信号处理芯片,在很大程度上解决了基于统计的人脸检测算法计算量大的问题。

从上面的分析,可以看出基于统计的算法对列车复杂多变的光照、振动环境都有较强的适应性。在基于统计的人脸检测算法中,我们最终选择了基于Adaboost算法的人脸检测算法。

3.2.2Adaboost人脸检测算法

1.集成学习算法

集成学习中一个关键问题就是弱分类器的集成问题。大部分机器学习算法只是通过单个分类器的生成来对新的样本做出预测,而集成学习则是多个弱分类器的结合,每一个弱分类器都可能是一种传统的机器学习模型。对一个新样本分类,集成分类器把这个新样本交给其多个弱分类器,再把各个弱分类器对新样本的分类结果通过某种方式(比如投票或求均值)组合来得到集成学习的预测结果。Hansen等研究发现,集成学习算法生成的分类器要比参与集成的那些单分类器的准确度高许多。我们也可以说成集成学习的优点是集成分类器的性能比单

个弱分类器具有更好的表达能力。在众多的集成学习算法中,Adaboost算法因其有以下优点而被广泛使用:

（1）算法速度快;

（2）除了训练轮数参数T外,不需要调节任何参数;

（3）不需要知道任何关于弱分类器的先验知识;

（4）对弱分类器的性能要求不高,只需要比随机猜测性能稍好即可,这种弱分类器在实际情况下很容易获得,从而降低了算法的复杂度,提高了效率;

（5）在弱分类器的构成上可以兼容多种方法,这些弱分类器可以是神经网路、决策树、最近邻域分类器、经验规则等;

（6）训练数据可以是文本、数字、离散值等,并且Adaboost算法很容易被推广到多类目标的分类问题中去。

2.Adaboost算法

Adaboost算法的训练过程是一个样本权重的迭代更新过程。在Adaboost算法中每个样本的权重值表示该样本被错分次数的多少,在每一轮权重更新的过程中,被错分样本的权重会变大,在下一轮循环中算法就会更加关注上一轮被分错的样本。如果一个样本被错分了很多次,那么这个样本的权重就会越来越大,我们就称这样的样本为“困难样本”。通过这样的方式Adaboost算法能够“聚集于”那些困难(更富有信息)的样本上。下面按照集成学习算法的两个关键问题介绍Adaboost算法,首先是Adaboost算法应用于人脸检测的弱分类器H~like 特征,然后介绍Adaboost的集成方法,即由

Haar一like特征组成的弱分类器生成强分类器,最终获得级联分类器的方法。

3.3基于Adaboost算法的人脸检测软件实现

Adaboost分类器实现主要分两部分:Haar一like特征的选择过程,即样本训练过程;检测过程,即利用得到的Haar一like特征进行人脸检测。下面分别给出样本训练过程及检测过程的软件逻辑实现。

3.3.1.样本训练过程

样本训练过程的主要目的是从过完全的弱特征中获取分类能力较好的少量弱特征,进而生成强分类器和级联分类器。下面详细介绍样本训练过程。在样本训练过程中,首先需要解决的就是人脸样本库的选择及预处理。

3.3.2人脸检测程序

人脸检测程序主要是利用基于Adaboost学习算法训练得到的人脸级联分类器,进行实际的人脸检测。人脸检测程序流程包括图像预处理、积分图生成、特征值计算、级联分类器判断等步骤。

下面给出级联分类器人脸检测程序的流程图,以及程序关键代码。

3.4人眼检测与人眼状态分析算法

3.4.1基于Adaboost的人眼检测算法

人眼训练过程需要人眼库,因为没有现成的人眼库,所以只能自己收集人眼样本,建立人眼库。人眼样本,主要裁剪自人脸库样本以及一些互联网下载人脸图片中。样本被统一缩放到20x12像素,样本库共包括1000个人眼样本和1500个非人眼样本

3.4.2人眼级联分类器效果分析

利用人眼检测程序进行了大量图片检测,发现人眼检测正确率非常高,只要能够正确定位人脸,人眼检测几乎可以达到100%。经过分析,可以发现,这是由人眼特征决定的。首先,人眼特征简单、变化小,不像人脸特征多、变化大。其次人眼搜索区域小,人眼的搜索区域为先前定位的人脸区域,而人脸搜索区域为整幅图像。特征简单、搜索区域小,导致人眼检测正确率高,基本不会出现漏检和误检。

3.4.3人眼状态分析算法

人眼状态分析是疲劳状态识别最关键的步骤,也是一个主观的定义过程。人眼状态分析

算法可以分为基于统计和基于知识建模两种方法。因为人眼开闭状态连续,状态确定主观,而基于统计的人眼状态分析方法(模板匹配,Fisher法等)固有的离散特点,使得基于统计的方法样本选择难度大,使用灵活性很差,因此本系统优先考虑基于知识建模的方法,该方法最大的特点就是模型参数可调,所以可以通过调节参数,尽量达到PERCLOS的P80模型的要求。最常见的两种基于知识建模的人眼状态分析基本方法是:Hough找圆法和灰度投影法。

1.Hough找圆法

Hough变换是图像处理中从图像中识别几何形状的基本方法之一。Hough变换的基本原理在于利用点与线的对偶性,将原始图像空间给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。

简而言之,Hough变换思想为:比如检测图像中的一条直线,在原始坐标系下的一个点对应了参数坐标系中的一条直线,同样参数坐标系的一条直线对应了原始坐标系下的一个点。原始坐标系下呈现直线的所有点,它们的斜率和截距是相同的,所以它们在参数坐标系下对应于同一个点。这样在将原始坐标系下的各个点投影到参数坐标系下之后,看参数坐标系下有没有聚集点,这样的聚集点就对应了原始坐标系下的直线。

2.灰度投影法

灰度投影法基本原理:若人眼睁开,黑色瞳孔未被眼睑遮盖,则其垂直灰度投影在瞳孔位置形成一个波峰。若人眼闭合,黑色瞳孔被眼睑遮盖,则其垂直灰度投影基本呈水平直线。

对眼睛部位进行垂直灰度投影,得到其灰度投影图,然后判断投影图是否具有明显的波峰,就可以判定眼睛状态。灰度投影法同样面临Hough找圆法同样的问题,需要图像的质量较高和准确的人眼定位,否则就不能获得明显的波峰,甚至可能出现两个较小波峰的情况,导致灰度均值较大等异常情况,导致状态分析错误。

其次灰度投影法需要较复杂的前处理步骤,以消除噪声,才能得到很好的灰度投影图(即明显的单波峰,或小均值呈直线形式)。

3.区域灰度特征比较法

鉴于上述Hough找圆法、灰度投影法两种基于知识建模方法固有的过分依赖其假

设条件,需要精确几何模型、鲁棒性较差的缺点,我们提出了一种区域灰度比较法,即使得眼睛状态分析具有基于知识建模方法的连续性、参数可调性,而且不需要精确的几何模型,同时也使得状态分析具有不错的鲁棒性。

4.基于贝叶斯网络的驾驶疲劳程度识别模型

4.1基于贝叶斯网络模型的驾驶疲劳程度识别

驾驶疲劳作为一个不可直接观测的研究对象，其影响因素非常多且难以定量，各类度量指标对驾驶疲劳的界定又没有统一的标准。因此，判断驾驶疲劳程度是一个非常复杂的系统问题。与酒后驾驶的检测指标不同，所有用来检测驾驶疲劳的指标在获取过程中均会受到不同程度的干扰。目前，还没有一种方法能够对驾驶疲劳程度进行准确无误的检测。因此，使用概率论的方法对驾驶疲劳程度进行识别具有一定的合理性。

贝叶斯网络模型的基本思想是：在信息不完备的情况下，通过可观察随机变量(证据变量)推断不可观察随机变量(隐含变量)，进行概率推理。利用贝叶斯网络求解驾驶疲劳程度识别的问题可以表述为：在已知疲劳度量指标测定结果的情况下，利用贝叶斯网络方法求解在一定影响因素条件下，疲劳状态处于各种程度(清醒、轻度疲劳、重度疲劳)时的概率。

驾驶疲劳贝叶斯网络的构建包括两个主要内容：1)确定网络节点；2)计算节点间的先验概率。其中，网络节点的选择取决于疲劳的各种特征及影响因素，而节点先验概率的确定则

依赖于某个特征或因素对判断疲劳程度的可能性。

4.2驾驶疲劳程度识别模型

4.2.1驾驶疲劳贝叶斯网络结构

驾驶疲劳作为系统的核心，其复杂的影响因素即该系统的输入，在生理、眼动及驾驶绩效等方面表现出来的特征即该系统的输出。

将驾驶疲劳的影响因素分为三类:驾驶环境属性、驾驶人个体属性以及原始疲劳属性。各类影响因素的具体度量指标见图1。其中，温度、天气等变量是驾驶环境变量的父节点，相应的驾驶环境变量是温度、天气等变量的子节点，以此类推。

4.2.2贝叶斯网络条件概率表的确定

在建立的驾驶疲劳贝叶斯网络模型中，条件概率分为两类：一类是输入层变量与隐含层变量之间的条件概率，另一类是隐含层变量与输出层变量之间的条件概率。

4.2.3驾驶疲劳程度贝叶斯网络识别模型

输入层变量和输出层变量统称为贝叶斯网络中的证据变量。利用贝叶斯网络建立驾驶疲劳程度识别模型的原理是在已知网络中各节点先验概率的前提下，结合证据变量的取值，根据贝叶斯公式计算不同驾驶疲劳程度的后验概率。

4.3模型有效性验证

采用模拟驾驶的方法进行实验设计。实验设备包括模拟驾驶仿真实验平台—AS1300卡车驾驶模拟系统、多通道生物生理记录仪、摄像机等。同时采用斯坦福嗜睡量表(Stanford SI eepi ness Scale, SSS)对驾驶人的主观疲劳状况进行问卷调查，以了解驾驶过程中驾驶人对疲劳的主观感受。

5基于FPGA的疲劳驾驶检测系统设计

5.1疲劳驾驶检测系统总体设计方案

5.1.1系统红外光源原理

主动红外光源理论的内容:人眼视网膜对不同波长红外光的反射率不同,对850nm波长红外光的反射率是90%,对940nm红外光的反射率是40%,红外波长在880士80nm范围之内时,人脸的其他部分对于红外光的反射程度基本一致。这样通过控制这两组LED灯的闪烁频率得到亮瞳孔和暗瞳孔图像,将这两幅图像经过差分获得瞳孔明显的几乎没有背景干扰的以人脸为主体的差分图像,大大简化了整体算法的复杂度。

如图2.1所示:获得了差分图像后,对其在水平和垂直方向上进行投影,通过确定人脸的上、下、左、右边界来定位出人脸区域。依据人眼和人脸的固定几何关系来定位出人眼的大致区域,接着在此区域内利用复杂度算法检测到瞳孔。人眼睛睁开时瞳孔面积大,当人闭眼时,瞳孔面积随闭眼程度变化,当完全闭眼时瞳孔面积为0,所以通过统计瞳孔面积可以判断当前采集到图像中驾驶员是睁眼还是闭眼。最后通过统计一段时间内闭眼帧数占总帧数的比例得到眨眼频率进行驾驶员是否疲劳的判断。P80疲劳算法定义了闭眼的标准和疲劳判断的标准。闭眼标准为:眼脸遮住瞳孔的面积超过80%;疲劳标准是:一段时间内闭眼帧数己:`总帧数的比例大于40%。

5.1.2系统总体设计

本系统主要集成了图像采集、存储、算法处理、报警和显示模块,组成了以FPGA为核心控制器的疲劳驾驶检测系统。系统的总体方案图如图2.2所示。

本设计中的图像处理算法都是在FPGA上实现的,算法处理速度达到了视频源25帧每秒的速度,解决了现有疲劳驾驶系统领域普遍存在的难以满足实时性的问题。

5.2系统硬件设计与实现

5.2.1系统硬件总体架构

整体硬件电路根据功能划分为三部分,完成图像输入功能的图像采集板、完成系统控制、图像存储以及其他功能模块的主控电路板、实现图像数据模拟转数字以及数字转模拟的辅助

电路。下面分模块介绍硬件电路的具体实现。

驾驶员疲劳检测系统.

驾驶员疲劳检测系统随着交通运输业的发展,交通事故己成为当前各国所面临的严重问题, 疲劳驾驶是引发交通事故的主要因素之一。基于机器视觉的疲劳检测在实时性、非接触性及全天候等方面比其他监控方法有更大的优势,所以该方法已成为当前研究的一个热点。本文在研究前人工作的基础上,提出一套有效的疲劳检测算法。该算法可分为四个过程:人脸的检测与定位,人脸姿态的调整,人眼的检测与定位,人眼的跟踪与定位和识别驾驶员疲劳状态。本文研究内容和取得的主要成果如下:(1)人脸的检测与定位。从红外摄像头获取的视频流中读取一帧红外图象,利用红外人脸图象面部区域亮度较高,背景较暗并且简单的优势,采用迭代式阈值算法对图象进行自适应的二值化处理,然后利用区域标记的方法定位出人脸区域。该人脸检测方法不仅能够准确的定位人脸,而且基本不受光照的影响, 很好的解决了传统检测方法受光照及姿态影响较大,从而导致定位不准确的缺点。(2)人脸姿态的调整。由于人眼的检测与定位采用的是模板匹配的方法,而人眼模板是水平的,未旋转的,这时如果待检测人脸旋转了某个角度,就很可能会导致人眼模板匹配失败,从而得到一个错误的匹配结果。所以在进行人眼检测与定位之前必须将待检测人脸进行旋转校正,这样可以很大程度上提高人眼模板匹配的成功率。(3)人眼的检测与定位。本文在仔细分析红外图象特点的基础上, 改进了传统模板匹配算法,总结出多步长模板匹配的方法,该算法大幅度减少了模板匹配的次数,减少了算法的计算量,而且该算法在进行抽样匹配的过程中由于抽样能够均匀覆盖搜索子图,从而保证了模板匹配的准确度,最终使得该方法定位准确,算法速度快,能够满足了实时性的要求。(4)采用驾驶疲劳识别算法本文算法能够自动测量并连续跟踪驾驶员眼睛的睁闭情况,并且根据相应的阈值提醒驾驶员。由于夜间是驾驶疲劳的高发时期,该方法采用红外光作为光源,解决了夜间光照不稳定的问题,所采用算法简单有效,复杂度低,而且具有较好的容错性和鲁棒性。同主题文章 [1]. 舆水大和,江涛. 机器视觉的研究动向(上)' [J]. 红外. 1996.(03) [2]. 艾海舟. 机器视觉及其应用' [J]. 科学中国人. 1997.(09) [3]. 张福贵. 利用FFT图象检测和分析砷化镓材料中的缺陷' [J]. 电子与信息学报. 1988.(04) [4]. 王红军. 机器视觉——现代工业的眼睛' [J]. 机电一体化. 1999.(03) [5]. 刘曙光,刘明远,何钺. 机器视觉及其应用' [J]. 机械制造. 2000.(07) [6].

汽车驾驶员防疲劳系统的设计文献综述

本科生毕业设计(论文)文献综述设计(论文)题目汽车驾驶员防疲劳预警系统的设计作者所在系别xxxx 作者所在专业xxx 作者所在班级xxx 作者姓名xx 作者学号xxx 指导教师姓名xxx 指导教师职称xxxx 完成时间2012 年 3 月北华航天工业学院教务处制

说明 1．根据学校《毕业设计(论文)工作暂行规定》，学生必须撰写毕业设计(论文)文献综述。文献综述作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。 2．文献综述应在指导教师指导下，由学生在毕业设计(论文)工作前期内完成，由指导教师签署意见并经所在专业教研室审查。 3．文献综述各项内容要实事求是，文字表达要明确、严谨，语言通顺，外来语要同时用原文和中文表达。第一次出现缩写词，须注出全称。 4．学生撰写文献综述，阅读的主要参考文献应在10篇以上（土建类专业文献篇数可酌减），其中外文资料应占一定比例。本学科的基础和专业课教材一般不应列为参考资料。 5．文献综述的撰写格式按毕业设计(论文)撰写规范的要求，字数在2000字左右。文献综述应与开题报告同时提交。

毕业设计（论文）文献综述汽车驾驶员防疲劳预警系统综述摘要：在高速公路快速发展的时代，疲劳驾驶是造成交通事故的主要元凶之一。驾驶员防疲劳预警系统设计的设计旨在使打瞌睡驾驶的司机能随时通过系统发觉自己的驾驶状态，通过此系统刺激驾驶员集中注意力，从而保障行车安全，减小由于疲倦产生交通事故的可能性。这也为人类生命财产安全提供了有力保障，降低道路伤害对国家社会经济造成的损害。关键词：疲劳检测疲劳驾驶预警系统

Review of car drivers anti-fatigue early warning system Abstract：In modern times,while the expressway is developing excessively,drowsy driving as one of the most severe factors caused traffic accident.The design of driver drowsy admonition system designed to make dozing drivers who can find their driving status at any time and stimulate drivers to concentrate attention through the system.And thus to ensure road safety, reducing the possibility to generate traffic accidents due to fatigue by the system.This system provided a strong guarantee for human lives and property, to reduce road damage caused by the national social and economic damage. Key words: Fatigue detection fatigue driving early warning system

司机疲劳驾驶检测系统设计

司机疲劳驾驶检测系统设计摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。实验结果表明系统能实时、准确地反映司机的疲劳状态。关键词：疲劳驾驶人脸检测肤色检测交通安全疲劳判断

目录摘要 Abstract 1.疲劳驾驶检测系统研究背景与意义............................ 2.疲劳驾驶检测系统研究与实现 2.1国内外疲劳驾驶检测系统研究现状 2.1.1国外疲劳驾驶检测系统的研究成果...................... 2.1.2国内疲劳驾驶检测系统的研究现状...................... 2.2疲劳驾驶检测系统浅析............................................. 2.3驾驶员疲劳检测系统的研究..................................... 2.3.1人脸检测 2.3.2人眼定位 2.3.3疲劳程度的综合判定........................................................................................... 3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究....................................................................... 3.1研究内容及目标......................................................... 3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发................................................................................... 3.1.2疲劳驾驶检测与识别算法OSP移植 3.2基于Adaboost算法的人脸检测

疲劳驾驶预警系统

DSD行车安全电脑（四合一版本）产品介绍 DSD行车安全电脑是结合车载智能电脑和车辆辅助驾驶安全电脑功能的全新一代创新产品，其包括疲劳检测与防瞌睡系统、视频行车记录仪、GPS定位导航以及全面的车载3G 平板电脑的功能。 DSD行车安全电脑的防瞌睡检测系统，利用面部生物特征模式检测技术，通过对驾驶人员视频图像的获取、跟踪和分析，对驾驶过程中常见的注意力涣散、驾驶姿态异常、驾驶反应迟钝、疲劳瞌睡等非正常工作状态进行提示告警和记录;不仅如此，同步结合产品的视频行驶记录、GPS定位导航服务、3G实时信息推送等功能，DSD行车安全电脑可为行车安全提供最全面有效的保护。 DSD行车安全电脑将智能视频分析技术、生物模式识别技术与无线通讯及信息传递技术相结合，可全面应用于车辆主动安全驾驶及行车监察管理等关键环节，最终为行车安全提供功能完善、简便实用、可靠安全、能够全天候实时运行的创新科技产品。产品功能 1、驾驶疲劳及防瞌睡预警 ■完成驾驶员的状态及姿态等异常驾驶状态预警； ■完成驾驶员的多级疲劳检测及防瞌睡告警； ■完成驾驶员各类异常驾驶事件的主动分析和记录； 2、GPS定位导航 ■正版GPS导航3D软件； ■全面的更新及扩展能力； DSD行车安全电脑提供功能全面的GPS定位导航服务，不仅如此，结合产品本身完善的处理能力和3G通讯能力，相应的导航软件可以做到实时更新，并为车辆加入更完善的车辆在线导航服务，预留了设备功能接口的链接扩展能力。 3、行车记录黑匣子 ■无论何时何地，DSD为你的合法权益提供行车保障。 DSD行车安全电脑提供完善的行车视频记录仪功能，通过广角视频获取和超大容量的自动存储，行车过程的全视频信息，可以在DSD设备中实时重现和清晰记录，并且叠加时间标签，为你的事后过程查询、责任

疲劳驾驶预警系统资料

疲劳驾驶预警系统疲劳驾驶预警系统作为一个新兴的汽车安全辅助驾驶产品，国际和国内刚处于起步研究状态，还没有完全成熟的产品。西安邦威电子科技有限公司历经3年多时间的集智攻关，突破了一系列技术难题，掌握了疲劳状态检测的核心技术，总体性能达到了国际先进水平。西安邦威电子科技有限公司研制的SS600疲劳驾驶预警系统是基于车联网应用的解决驾驶员疲劳驾驶安全隐患的智能检测设备，针对疲劳驾驶行为进行检测、预警和干预，以提高行车安全性。本系统应用公司自主研发的人脸检测算法（AD_FACE算法），依据对驾驶人员视频图像的获取，通过面部生物特征模式技术的检测、分析和判别，对常见的驾驶注意力不集中、反应迟钝、疲劳瞌睡、低头玩手机、接打电话和抽烟等非正常驾驶状态进行提示告警，具体包括：对驾驶员状态进行检测；对驾驶员活跃度、姿态、注意力进行评估；对驾驶疲劳和瞌睡进行告警。产品简便实用、可靠性高，能够全天候、实时非接触式进行驾驶员疲劳状态监测，为安全行车提供有效的汽车主动安全保障。产品介绍 SS600疲劳驾驶预警系统采用本公司自主研发的人脸检测算法（AD_FACE算法），依据对驾驶人员视频图像的获取，通过面部生物特征模式技术的检测、分析和判别，对常见的驾驶注意力不集中、反应迟钝、疲劳瞌睡、低头玩手机、接打电话和抽烟等非正常驾驶状态进行提示告警，具体包括：对驾驶员状态进行检测；对驾驶员活跃度、姿态、注意力进行评估；对驾驶疲劳和瞌睡进行告警。产品简便实用、可靠性高，能够全天候、实时非接触式进行驾驶员疲劳状态监测，为安全行车提供有效的汽车主动安全保障。 SS600疲劳驾驶预警系统具有如下性能非接触性：不影响驾驶习惯及驾驶环境。适应性：在抗震、防尘、防爆、温湿度适应等方面，提供工控及以上设计标准。主动性：产品的疲劳预告警功能可以自主学习，无需人工校准，操作简便。

司机疲劳驾驶检测系统设计

司机疲劳驾驶检测系统设计 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】

目录摘要 Abstract 3. 预警系统的组成及工作原理典型的疲劳驾驶预警系统疲劳驾驶预警系统比较发展趋势 8.新型多功能驾驶员状态监测系统设计无线脑电信号采集和分析酒精监测 9.多源信息融合在驾驶疲劳检测中的应用驾驶疲劳特征模糊神经网络疲劳识别智能控制技术在汽车疲劳驾驶监控中的应用研究 1.研究背景与意义驾驶疲劳川是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完全丧失驾驶能力。美国印第安那大学对交通事故原因的调查研究发现85%的事故与驾驶员有关，车辆和环境因素只占15%。驾驶员在事故发生前一瞬间的行为和故障直接导致了事故的发生，这些行为包括知觉的延迟、对环境的决策错误、对危险情况的处理不当等。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，产生这些错误的根本原因就是驾驶疲劳。随着我国生活水平的提高，人们的衣食住行等方面有了很大的改善，在交通方面更是有了质的飞跃。四通八达的道路、便捷的交通工具大大地缩短了人与人的距离，其中汽车保有量更是与日俱增，一个家庭拥有两辆以上的小车已经不是什么新鲜的事

司机疲劳驾驶检测系统设计

目录摘要 Abstract 1.疲劳驾驶检测系统研究背景与意义............................................................................................................... 2.疲劳驾驶检测系统研究与实现 2.1国内外疲劳驾驶检测系统研究现状 2.1.1国外疲劳驾驶检测系统的研究成果......................................................................................................... 2.1.2国内疲劳驾驶检测系统的研究现状......................................................................................................... 2.2疲劳驾驶检测系统浅析................................................................................................................................ 2.3驾驶员疲劳检测系统的研究........................................................................................................................ 2.3.1人脸检测 2.3.2人眼定位 2.3.3疲劳程度的综合判定 ............................................................................................................................................................................. 3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究........................................................................... 3.1研究内容及目标............................................................................................................................................ 3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发..................................................................................... 3.1.2疲劳驾驶检测与识别算法OSP移植 3.2基于Adaboost算法的人脸检测 3.2.1人脸检测技术概述 3.2.2Adaboost人脸检测算法 3.3基于Adaboost算法的人脸检测软件实现 3.3.1.样本训练过程 3.3.2人脸检测程序 3.4人眼检测与人眼状态分析算法 3.4.1基于Adaboost的人眼检测算法 3.4.2人眼级联分类器效果分析 3.4.3人眼状态分析算法 4.基于贝叶斯网络的驾驶疲劳程度识别模型 4.1基于贝叶斯网络模型的驾驶疲劳程度识别 4.2驾驶疲劳程度识别模型 4.2.1驾驶疲劳贝叶斯网络结构 4.2.2贝叶斯网络条件概率表的确定 4.2.3驾驶疲劳程度贝叶斯网络识别模型 4.3模型有效性验证 5.基于FPGA的疲劳驾驶检测系统设计 5.1疲劳驾驶检测系统总体设计方案 5.1.1系统红外光源原理 5.1.2系统总体设计 5.2系统硬件设计与实现 5.2.1系统硬件总体架构 5.2.2图像采集电路设计

疲劳驾驶预警系统

疲劳驾驶预警系统简介发布时间：2007-11-16 点击次数：1977 交通事故是当前世界各国所面临的严重社会问题之一,已被公认为当今世界危害人类生命安全的第一大公害,每年因交通事故的原因至少使50万人死亡. 欧美各国的交通事故统计分析表明,交通事故中80%～90%是人的因素造成的. 根据美国国家公路交通安全署的统计,在美国的公路上,每年由于司机在驾驶过程中跌入睡眠状态而导致大约10万起交通事故,约有1500起直接导致人员死亡,711万起导致人员伤害.在欧洲的情况也大致相同,如在德国境内的高速公路上25%导致人员伤亡的交通事故,都是由疲劳驾驶引起的. 根据2001年中国交通部的统计,我国48 %的车祸由驾驶员疲劳驾驶引起,直接经济损失达数十万美元. 有关汽车驾驶员的疲劳检测问题,随着高速公路的发展和车速的提高,目前已成为汽车安全研究的重要一环。疲劳驾驶是指驾驶员在一段时间的驾车之后所产生的反应水平下降,导致不能正常驾车行驶. 驾驶员产生疲劳后,其心理状态也会发生各种各样的变化. 如视力下降,致使注意力分散、视野逐渐变窄；思维能力下降,致使反应迟钝、判断迟缓、动作僵硬、节律失调;自我控制能力减退,致使易于激动、心情急躁或开快车等。疲劳驾驶预警系统就是指一旦驾驶者精神状态下滑或进入浅层睡眠,该系统会依据驾驶员精神状态指数分别给出:语音提示,振动提醒,电脉冲警示,警告驾驶员已经进入疲劳状态,需要休息,并同时自动记录相关数据,以便日后查阅,鉴定. 其作用就是监视并提醒司机自身的疲劳状态,减少司机疲劳驾驶潜在危害. 许多国家都比较重视疲劳驾驶预警系统的研究工作,早期的疲劳驾驶测评主要是从医学角度出发,借助医疗器件进行的. 这些研究可以追溯到1935 年美国交通部管辖的洲际商业协会ICC(the Interstate Commerce Commission)要求美国公共卫生服务署USPHS(the Un ited States Public Health Service) 对城市商业机动车驾驶员服务时间(the hours of service) 管理条例的合理性所进行的调查. 但是对疲劳驾驶的实质性的研究工作,是从20世纪80 年代由美国国会批准交通部实施驾驶服务时间(HOS)改革,研究商业机动车驾驶和交通安全的关系,并健全卡车和公共汽车安全管理条例开始的,由此把疲劳驾驶的研究提到立法高度,保证了开展疲劳驾驶研究的合法性、有效性和持续性。其研究工作大致可以分为两大类:一是研究疲劳瞌睡产生的机理和其他各种诱发因素,寻找能够降低这种危险的方法；二是研制车辆智能报警系统,防止驾驶员瞌睡状态下驾驶。20世纪90年代,疲劳程度测量方法的研究有了很大的进展,许多国家已开始了疲劳驾驶车载电子测量装置的开发研究工作,尤以美国的研究发展较快。研究成果中具代表性的有: (1) 美国研制的打瞌睡驾驶员侦探系统DDDS( The Drowsy Driver Detection System) . 采用多普勒雷达和复杂的信号处理方法,可获取驾驶员烦躁不安的情绪活动、眨眼频率和持

驾驶员安全培训测试题

驾驶员安全知识测试题（春季安全行车，试卷总分为100分,90分以上合格）单位：xxxxxxxxxxxx 出题人：xxxxxxxx 阅卷人：姓名：车号：分数：一、填空题（10题，每题3分，共30分,扣分，实得分） 1、春天随着温度升高，皮肤毛孔舒展，大脑氧气相应减少，出现了昏昏欲睡等现象，也就是（）。 2、春季雨雾天气增多，车辆行驶要防止（），应当减速慢行，切忌因赶时间而冒险行车。 3、临交运政字[2011]96号文件中关于超速行为的界定：良好天气和正常道路通行条件下，行驶高速公路最高时速在（）公里以下，行驶其他公路最高时速在（）公里以下，且按交警部门对路段限速规定执行。行驶速度超过以上规定的行为。 4、驾驶员连续驾驶不得超过（）个小时，每次停车休息不少于（）分钟。 : 5、发车前驾驶员向旅客宣读安全运营（），发车时播放乘车（）片，并及时告知旅客安全乘车注意事项及提醒和督促系好（）。 6、每次驾驶员疲劳驾驶行为经济处罚责任驾驶员（）元。 7、驾驶人要合理安排休息时间，不得疲劳驾驶，在行车中感觉困倦时应选择（）停车休息。 8、每次逃避监控行为经济处罚责任车辆（）元。 9、客运车辆夜间行驶速度不得超过日间限速的（）%。 10、春季要保证充足的睡眠，切忌（）。二、选择题（10题，每题3分，共18分,扣分，实得分） 1、驾驶员防止春困和疲劳最有效方法，主要有（） A 保持充足睡眠 B 困意时选择安全地带停车休息C严格遵守途中休息规定 2、春季雨天增多，驾驶员行车要做到“四防”（） | A 防视线不清 B 防行车撞人C防车辆侧滑D防涉水陷车 3、违反安全驾驶的行为有( ) A开车闲谈B开车接打电话C开车饮食D车内吸烟E开车不系安全带。 4、春季车辆检查、保养的注意事项（） A检查轮胎气压B保持空滤清洁C 添加或更换冷却液D检查各部位胶管、制动液油电路等 5、逃避监控的行为有（） A断电B屏蔽信号、覆盖遮掩天线C破坏、移动监控设备D、不及时报修监控设备 6、驾驶员在行车途中感到疲倦时，应（） A 吸烟B闲谈C停车休息三、判断题（8题，每题3分，共24分,扣分，实得分）、 1驾驶人要加强活动和锻炼，多呼吸新鲜空气，保持充足睡眠，以缓解春困。（） 2、驾驶人在行车中感到困倦时，不要强打精神开车，应选择安全地段停车休息。（） 3、春季风沙天气多，直接影响行车安全，驾驶员要早预测、早防范、早采取措施。（） 4、驾驶人身体不适或服用易犯困药物时，不得驾驶车辆。（） 5、驾驶员在雨中行车时，应减速行驶，确保安全。（） 6、春季土质路面多有“翻浆”之处，路面选择不当时，车辆容易发生侧翻，所以遇此路段，应快速通过。（） 7、驾驶员在行车中感到困倦时，可以吸烟。（）

疲劳驾驶检测

目次疲劳驾驶检测方法的研究进展（摘要链接） (2) 燃料电池汽车正向建模及人车闭环仿真（摘要链接） (3) CA6DE3电控国Ⅲ柴油机设计开发（摘要链接） (4) 一种基于CAN/LIN网络的大型客车不变线束设计（摘要链接） (5) 重型半挂车ADAMS建模及极限工况仿真（摘要链接） (6) CVT金属带偏移量计算及其优化（摘要链接） (7) 燃料电池轿车电动动力总成悬置系统动态特性分析（摘要链接） (8) 基于神经网络的汽车操纵稳定性模型研究（摘要链接） (9) 液力变矩器流固耦合研究（摘要链接） (10) 基于CCP协议的ABS标定系统（摘要链接） (11) 混合动力汽车CAN网络信号监测与故障诊断系统的开发（摘要链接） (12) 燃料电池汽车动力系统仿真试验台开发（摘要链接） (13) 橡胶性能对子午线轮胎胎圈性能影响的有限元分析（摘要链接） (14) 汽车座椅侧板冲压成型有限元数值模拟（摘要链接） (15)

疲劳驾驶检测方法的研究进展孙伟张为公张小瑞吕成绪陈刚（东南大学）【摘要】全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%，故针对疲劳驾驶检测方法的研究具有现实意义。阐述了目前国内外各类疲劳驾驶检测方法的研究难点，介绍并对比分析了基于驾驶员生理参数、驾驶员行为特征、车辆行为特征的各类客观检测方法;最后对疲劳驾驶检测方法的发展趋势和应用前景进行了论述。主题词：驾驶员疲劳驾驶检测 Development of Fatigue Driving Detection Method Research Sun Wei, Zhang Weigong, Zhang Xiaorui, Lv Chengxu, Chen Gang (Southeast University) 【Abstract】The death toll in traffic accidents caused by fatigue driving makes up 57% of that in all traffic accidents every year all over the world, therefore it is of realistic significance to carry out research aiming at fatigue driving detection method. The research difficulties in various fatigue driving detection methods both home and abroad are discussed, and different objective detection methods are introduced and analyzed based on driver’s physical parameters, driver’s behavior features and vehicle behavior features. Finally, developing trends and application prospects of detection methods for fatigue driving in future are discussed. Key words: Driver; Fatigue driving; Detection

2020疲劳驾驶检讨书_检讨书_范文大全

2020疲劳驾驶检讨书_检讨书_范文大全疲劳驾驶最容易出现安全事故了，因此，作为驾驶员无论如何都要保持好充足的精神去开车，千万不要疲劳驾驶。WTT为大家整理了一些20xx疲劳驾驶检讨书，欢迎参阅。 20xx疲劳驾驶检讨书篇一敬爱的交警同志：由于我刚刚获取驾驶执照不到半年时间，对于当地路况不是太熟悉，在近三个月的驾驶机动车时间里多次违反道路交通法规，给本市交通秩序带来一定的影响。我对于自己的这一系列交通违反行为，深深地向你表示抱歉，并且表示愿意接受交警部门的处罚。我通过此次检讨，深刻地剖析自己错误的各项原因，基本的检讨如下：第一，我在主观上并未对于交通法规引起十分强烈的遵守意识，才会在这种情况下随意上路，造成一些违规情况的发生。第二，是我的驾驶技术尚不成熟，比较是我刚刚获取驾驶执照不到半年时间，这属于客观上的不足。第三，由于有时候经过一天的工作，身体有些疲劳了，导致我疲劳驾驶，这也是我主观方面的一大过失。敬爱的交警同志，经过这次教训，我会深刻反省自己的错误，认真查看交通安全规则，交警同志对我的教育，我已经深深地印刻在我的脑海里了。最后，感谢交警同志对我的教诲。此致：抱歉! 签名：日期：年月日 20xx疲劳驾驶检讨书篇二敬爱的学校各位领导、各位同仁：我叫某某某，现年0岁，是某某驾校的一名正式员工，实习教练(系某某镇

某某村某组人)。我驾驶的0000号车在0年0月0日0时许，因早晨送学员到学校乘车去某某市驾校考试中心考试，晚上接学员回家，在某某路段急转弯路段发生了一起车子侧翻道路边的交通事故，造成俩名学员轻伤，车辆外表损坏严重，给学校和社会造成一定的负面影响。首先，我要向学校党委、领导和同仁们道一声：“对不起!”是我辜负了学校领导和同志们对我的信任和重托，没有始终把安全工作放在第一位，给学校领导的脸上抹了黑，坏了学校的名声;给学校和个人造成了不必要的损失和伤害。在此，我必须向学校党委、领导和同仁们作出深刻检讨，必须永远牢记这次血的教训。我诚恳接受学校领导对我的任何处罚。对这次事故，我进行了深刻的反思，导致这次事故主要有以下几个方面的原因：一是思想麻痹，安全意识差。常常认为自己开了多年的车，道路驾驶经验丰富，轻车熟路，这种认识使自己产生了麻痹思想，学校的安全制度规定流于形式，停留在文件上、口头上，并没有真正在心中留下深刻的烙印，为自己发生交通事故埋下了祸根。二是超速行车，措施不力。“十次事故九次快”这一通俗的安全行车警示语，我自己早已背熟，经常也可以脱口而出，但是，自己并没有在思想上引起足够的重视，没有真正认清超速行驶的危害性。这种认识体现在行动上，就导致了高速行车。这次事故事发前，我急于想到迅速回家，对前方转弯处，迎面突如其来而占道的摩托车让道，措施不力，疏忽大意，终于酿成了大祸。今后，我将认真吸取这次深刻的教训，一定做到以下几点： 1、自觉学习和遵守交通安全法律、法规和政策规定，严格执行《中华人民共和国道路交通安全法》和学校教练员管理的规章制度，牢固树立“安全第一” “牵着安全手，幸福跟我走”“ 安全创造幸福，疏忽带来痛苦” “聚精会神驾车，万里不出差错。行万里平安路，做百年长乐人”的思想，将所有的隐患都消灭在萌芽状态，尽最大努力杜绝交通事故的发生。 2、认真学习和钻研业务知识和驾驶技术，努力提高驾驶技术水平，充分发挥一名教练员和退伍军人的应有的带头作用，尽可能弥补自己给学校声誉和经济上带来的不良影响和损失。 3、今后驾车时做到：一心一意维护安全，一言一行不忘安全;一档一脚符合

驾驶员疲劳检测

? 67 ?ELECTRONICS WORLD ?探索与观察在人工智能科技化、现代化发展的今天，行车安全驾驶也开始向着智能化、安全化、自动化的高科技化的方向发展。因此，对驾驶员疲劳状态的检测，成为大众普遍认可的需求，亦变成汽车销售行业青睐的技术。《道路交通安全法》只能硬性认定如果违反，就对其进行处罚，却不能有效的预防其发生。本课题就很好的解决了这个问题。主要实现对驾驶员心率跟血氧浓度的实时变化的数据进行疲劳驾驶的判定，为安全驾车提供安全保障。1.引言心率是指正常人安静状态下每分钟心跳的次数，也叫安静心率，一般为60～100次/分，可因年龄、性别或其他生理因素产生个体差异。一般来说，年龄越小，心率越快，老年人心跳比年轻人慢，女性的心率比同龄男性快，这些都是正常的生理现象。安静状态下，成人正常心率为60～100次/ 分钟。成人安静时心率低于60次/分钟（一般在45次/分钟以上），称为窦性心动过缓，可见于长期从事重体力劳动的健康人和感觉疲劳、乏困，有微睡眠的驾驶者，故通过心率判别驾驶者是否疲劳驾驶是具有生物学理论依据。2.系统的硬件设计心率检测装置采用一个5V 的干电池作为电源，经过一个稳压模块后提供3.3V 和5V 电源为单片机系统供电，以单片机STM32F103为核心，经过利用心率检测模块、OLED 显示模块、图2 硬件设计框图 2.2 OLED显示模块 OLED 显示模块相当于“医生的眼睛”，STM32芯片可以将MAX30102心率模块的实时心率显示在此OLED 模块屏幕上，便于驾驶者实时观察，因为MAX30102心率模块能够实现PPG 信号的采集，因此我们可以将快速采集的心率血氧数据值，本程序大约每秒采集一百个心率血氧浓度值，然后快速的在OLED 模块的显示屏幕中描绘成一个个数值点，然后这些点就汇成一条类似波形图的曲线，我们就可以很直观通过波形图的变化，来了解到驾驶者实时的精神状态。 2.3 蓝牙传送显示模块蓝牙传送模块相当于“医生的助手”，将数据信息相隔一定距离都能进行无线传送。在此疲劳驾驶监测系统中，我们采用了HC-06蓝牙模块，HC-06蓝牙模块只需将模块上的VCC 、GND 、TX 、RX 依次与驾驶员疲劳检测广东理工学院电气与电子工程学院周健威方泽杰廖望张智彬邓冠军龙小丽蓝牙接收模块、输出显示模块的转换来进行心率血氧浓度的实时数据采集。系统硬件设计框图如图1所示（刘火良，STM32库开发实战指南(第2版)：机械工业出版社， 2017；袁翔，疲劳驾驶检测方法研究进展：汽车工程学报，2012；谢晓莉，驾驶疲劳生成机理研究：北京工业大学，2010；吴一兵，司机疲劳驾驶检测及反馈刺激仪：中国专利，CN2891967,2007-04-25）。通过心率血氧模块采集驾驶人的实时心率血氧浓度，根据STM32单片机设定好的程序，对实时数据进行计算，然后然后通过OLED 模块显示实施心率血氧浓度曲线图，通过蓝牙模块将心率血氧浓度模块采集图1 硬件设计框图

具有突发性疾病监控报警功能和疲劳驾驶监控预警纠正系统的制作流程

本技术公开了一种具有突发性疾病监控报警功能和疲劳驾驶监控预警纠正系统，所述系统包括，身份识别模块、疾病监控报警系统、疲劳驾驶预警系统、互动模块和定位装置；所述身份识别系统，用于驾驶员身份的识别和对所述系统的启动；所述疾病监控报警系统和疲劳驾驶预警系统，分别用于监测驾驶员的身体状况和疲劳驾驶情况，通知驾驶员，并视进行报警和紧急避险；所述互动模块，用于所述系统与驾驶员进行互动，以避免系统对驾驶员的身体状况和疲劳状况进行误判；所述定位装置，用于对车俩的位置进行定位，以对车辆的位置进行定位，以方便救援。所述系统同时监控驾驶员的突发性疾病和疲劳驾驶情况，对于降低道路交通安全事故具有重要的意义。技术要求 1.具有突发性疾病监控报警功能和疲劳驾驶监控预警纠正系统，其特征在于，所述系统包括，身份识别模块、疾病监控报警系统、疲劳驾驶预警系统、互动模块和定位装置；其中所述身份识别系统，用于驾驶员身份的识别和对所述系统的启动；所述疾病监控报警系统，用于监测驾驶员的身体状况，通知驾驶员，并视驾驶员的身体状况进行报警和紧急避险；

所述疲劳驾驶预警系统，用于监测驾驶员是否已疲劳驾驶，并视驾驶员的疲劳状况进行报警和紧急避险；所述互动模块，用于所述系统与驾驶员进行互动，以避免系统对驾驶员的身体状况和疲劳状况进行误判；所述定位装置，用于对车俩的位置进行定位，以对车辆的位置进行定位，以方便救援。 2.根据权利要求1所述的系统，其特征在于，所述身份识别系统为指纹解锁器、红外人脸识别摄像头或移动终端。 3.根据权利要求1所述的系统，其特征在于，所述疾病监控报警系统包括传感器、心率控制模块、无线传输模块和移动终端；其中，所述传感器包括两组心率变异性监测芯片，所述监测芯片分别对称贴设于方向盘外侧壁，呈条状，每组监测芯片长度不小于方向盘外周长度的1/4；所述心率控制模块连接于车载电脑，所述车载电脑与互动模块连接。 4.根据权利要求1所述的系统，其特征在于，所述疲劳驾驶预警系统包括摄像头、缓存器和处理器；其中所述摄像头设置于驾驶员前面的仪表盘上，用于获取驾驶员的面部图像；所述缓存器用于对疲劳驾驶判断过程中的过程文件进行缓存；所述处理器用于对摄像头采集的面部图像进行数据处理，得到驾驶员的驾驶疲劳度。 5.基于权利要求1-4中任一项所述系统的疾病监控报警方法，其特征在于，所述方法具体为： S1.1 驾驶员在车内手握方向盘进行驾驶，所述传感器监测驾驶员的心电图；

2020疲劳驾驶检讨书

2020疲劳驾驶检讨书疲劳驾驶最容易出现安全事故了，因此，作为驾驶员无论如何都要保持好充足的精神去开车，千万不要疲劳驾驶。为大家整理了一些20xx疲劳驾驶检讨书，欢迎参阅。 20xx疲劳驾驶检讨书篇一敬爱的交警同志：由于我刚刚获取驾驶执照不到半年时间，对于当地路况不是太熟悉，在近三个月的驾驶机动车时间里多次违反道路交通法规，给本市交通秩序带来一定的影响。我对于自己的这一系列交通违反行为，深深地向你表示抱歉，并且表示愿意接受交警部门的处罚。我通过此次检讨，深刻地剖析自己错误的各项原因，基本的检讨如下：第一，我在主观上并未对于交通法规引起十分强烈的遵守意识，才会在这种情况下随意上路，造成一些违规情况的发生。第二，是我的驾驶技术尚不成熟，比较是我刚刚获取驾驶执照不到半年时间，这属于客观上的不足。第三，由于有时候经过一天的工作，身体有些疲劳了，导致我疲劳驾驶，这也是我主观方面的一大过失。敬爱的交警同志，经过这次教训，我会深刻反省自己的错误，认真查看交通安全规则，交警同志对我的教育，我已经深深地印刻在我的脑海里了。最后，感谢交警同志对我的教诲。此致：抱歉! 签名：日期：年月日

20xx疲劳驾驶检讨书篇二敬爱的学校各位领导、各位同仁：我叫某某某，现年0岁，是某某驾校的一名正式员工，实习教练(系某某镇某某村某组人)。我驾驶的0000号车在0年0月0日0时许，因早晨送学员到学校乘车去某某市驾校考试中心考试，晚上接学员回家，在某某路段急转弯路段发生了一起车子侧翻道路边的交通事故，造成俩名学员轻伤，车辆外表损坏严重，给学校和社会造成一定的负面影响。首先，我要向学校党委、领导和同仁们道一声：“对不起!”是我辜负了学校领导和同志们对我的信任和重托，没有始终把安全工作放在第一位，给学校领导的脸上抹了黑，坏了学校的名声;给学校和个人造成了不必要的损失和伤害。在此，我必须向学校党委、领导和同仁们作出深刻检讨，必须永远牢记这次血的教训。我诚恳接受学校领导对我的任何处罚。对这次事故，我进行了深刻的反思，导致这次事故主要有以下几个方面的原因：一是思想麻痹，安全意识差。常常认为自己开了多年的车，道路驾驶经验丰富，轻车熟路，这种认识使自己产生了麻痹思想，学校的安全制度规定流于形式，停留在文件上、口头上，并没有真正在心中留下深刻的烙印，为自己发生交通事故埋下了祸根。二是超速行车，措施不力。“十次事故九次快”这一通俗的安全行车警示语，我自己早已背熟，经常也可以脱口而出，但是，自己并没有在思想上引起足够的重视，没有真正认清超速行驶的危害性。这种认识体现在行动上，就导致了高速行车。这次事故事发前，我急于想到迅速回家，对前方转弯处，迎面突如其来而占道的摩托车让道，措施不力，疏忽大意，终于酿成了大祸。今后，我将认真吸取这次深刻的教训，一定做到以下几点： 1、自觉学习和遵守交通安全法律、法规和政策规定，严格执行《中华人民共和国道路交通安全法》和学校教练员管理的规章制度，牢固树立“安全第一”“牵着安全手，幸福跟我走”“安全创造幸福，疏忽带来痛苦”“聚精会神驾车，万里不出差错。行万里平安路，做百年长乐人”的思想，将所有的隐患都消灭在萌芽状态，尽最大努力杜绝交通事故的发生。

驾驶员疲劳预警

驾驶员疲劳监测方法综述生命是无价的，然而令人深思的是，全球每年约有120万人死于交通事故。研究表明，疲劳驾驶是引发道路交通事故的重要原因之一。据资料调查显示：美国国家工具交通安全管理局保守估计，每年因疲劳驾驶导致的交通事故至少有10万起；２００１年，在美国进行的一项调查发现，有５３％的被调查者曾在驾驶时打过瞌睡[1]；法国国家警察总署事故报告表明，因疲劳驾驶导致的意外占人身伤害事故的14.9%，死亡事故的20.6%[1]；德国保险公司协会统计，德国境内高速公路上导致人员伤亡的交通事故25%都是由疲劳驾驶引起的[2]；澳大利亚每年道路交通死亡人数的20%是由疲劳驾驶造成的[3]；截至2014年底，我国机动车保有量达2.64亿辆，其中汽车1.54亿辆；2014年新注册登记的汽车达2188万辆，保有量净增1707万辆，均为历史最高水平2014年，国内小型载客汽车达1.17亿辆，其中以个人名义登记的小型载客汽车(私家车)达到1.05亿辆，占小型载客汽车的90.16%；全国平均每百户家庭拥有25辆私家车。另一方面，我国每年因疲劳驾驶而造成的交通事故约占总数的20%，占特大交通事故总数的40%~80%，以及交通死亡率的83%[1]。在2007年至2009年间，我国直接由疲劳驾驶导致的死亡人数分别占机动车交通事故总死亡人数的11.35%，10.91%，12.5%[4]。唯有对汽车行驶安全问题进行深入研究，才能有效保障人民的生命和财产安全，提高运输效率，更安全便捷的为经济建设服务。有鉴于此，分析驾驶疲劳形成机理，研究疲劳监测设备与方法，进行疲劳预警就显得尤为重要。驾驶员疲劳监测方法分为主观疲劳监测和客观疲劳监测。目前基于驾驶疲劳的检测方法主要集中于客观疲劳的监测预警。客观疲劳监测主要是借助各种检测仪器对驾驶员身体指标或驾驶行为状态的特异性进行实时监测、客观评价并进行提示预警的方法，具体方法如图1所示：