CN212484555U - 一种疲劳驾驶多源信息检测*** - Google Patents

Abstract

本实用新型公开一种疲劳驾驶多源信息检测***，包括面部特征采集模块、生理特征采集模块、车辆信号采集模块、控制器和预警执行模块。面部特征采集模块采集驾驶人的驾驶时长、眼睑闭合程度、眨眼频率、口部张开程度信息；生理特征采集模块采集驾驶人的心率、血压信息；车辆信号采集模块采集车辆行驶时长、方向盘转角、转向灯、横向位移信息；控制器接收各模块的信息并进行处理，对疲劳程度做出综合判定。本实用新型融合了多源信息进行驾驶人疲劳程度判定，具有检测更全面、判定更准确的优点。

Description

一种疲劳驾驶多源信息检测***

技术领域

本实用新型涉及一种疲劳驾驶多源信息检测***，属于汽车安全和疲劳驾驶监控技术领域。

背景技术

疲劳是指由于脑力、肌肉或其他器官因过度消耗而机能反应减弱的人体表征现象，在疲劳状态下驾驶车辆称之为疲劳驾驶。疲劳后，驾驶人的生理状态会发生变化并影响驾驶行为，极易发生道路交通事故。

目前，通过多种技术对疲劳驾驶进行有效检测已具有相应的理论研究基础，也具有技术可行性，但在实际复杂多变的行车环境下，单靠各种单一技术、方法均存在一定局限性，准确率低，误报、漏报严重。基于驾驶人面部特征的疲劳驾驶监测，是通过双眼持续闭合时间和PERCLOS原理监测，在技术上较为成熟。基于驾驶人生理特征的疲劳驾驶监测，需要接触式测量，影响正常驾驶，监测条件苛刻。基于驾驶人操作特征、车辆行驶状态的疲劳驾驶监测，不需要添加过多的硬件设备，而且不会对驾驶人的正常驾驶造成干扰，在部分工况下精确度较高，但受个人习惯与技能差异、车辆特性和道路环境的影响，无法实现全工况、高精度检测。

多种技术相互融合是实现全工况、高准确率检测疲劳驾驶的有效手段，充分利用不同信息之间的互补性和冗余性，提高***的可靠性和容错能力，能够弥补不同技术之间的不足。

发明内容

因此，在本实用新型提出一种疲劳驾驶多源信息检测***，融合驾驶人特征以及车辆行驶状态等多个维度的指标，并基于指标的可靠性进行融合判定，使得判定结果更加准确、全面。

本实用新型所采取的技术方案如下：一种疲劳驾驶多源信息检测***，包括面部特征采集模块、生理特征采集模块、车辆信号采集模块、控制器和预警执行模块；

所述面部特征采集模块，采集驾驶人的驾驶时长、眼睑闭合程度、眨眼频率、口部张开程度信息；

所述生理特征采集模块，采集驾驶人的心率、血压信息；

所述车辆信号采集模块，实时采集车辆行驶时长、方向盘转角、转向灯、横向位移信息；

所述控制器，通过有线或无线的方式与所述面部特征采集模块、生理特征采集模块、车辆信号采集模块进行信号传输，实时接收各模块的信息，并进行处理，对疲劳程度做出综合判定。

进一步地，所述面部特征采集模块选择红外视觉传感器，安装在驾驶室A柱处。

进一步地，所述生理特征采集模块集成在穿戴手环上。

进一步地，所述横向位移信息由路侧单元采集传递给所述车辆信号采集模块，或者由所述车辆信号采集模块中的车载定位传感器直接获取。

进一步地，所述控制器中预置有信息处理模块和融合判定模块。

进一步地，所述控制器通过所述眼睑闭合程度信息，进行持续闭眼时间计算，所述持续闭眼时间为驾驶人眼睑持续闭合超过90％的时间段。

进一步地，所述控制器通过所述眼睑闭合程度信息，进行PERCLOS值计算，PERCLOS值取P80计算。

进一步地，所述眨眼频率为一定时间窗内眼睑闭合超过90％且持续500ms以上，但不超过2s的动作。

进一步地，所述控制器通过所述眼睑闭合程度信息和口部张开程度信息，进行一定时间窗内打哈欠次数的计算，打哈欠为眼睑闭合超过90％，同时口部张开超过90％的动作。

进一步地，所述控制器通过所述横向位移信息，进行一定时间窗内横向位移指数计算，所述横向位移指数指对N个横向位移数据求平均值，然后求标准差，再求所述标准差与车宽的比值。

本实用新型的优点体现在：本实用新型提出的疲劳驾驶检测***融合了驾驶人连续驾驶时长、面部特征、生理特征以及车辆信号多维度指标，并基于指标的可靠性，对疲劳程度进行判定，具有检测更全面、判定更准确的优点，相对于现有技术，极大的减少了漏报率、误报率。

附图说明

图1为本实用新型***组成示意图。

具体实施方式

下面结合附图和实施例对本实用新型进行详细的描述，附图与实施例一起用于阐释本实用新型，但本领域的技术人员应该知道，以下实施例并不是对本实用新型技术方案作的唯一限定，凡是在本实用新型技术方案精神实质下所做的任何等同变换或改动，均应视为属于本实用新型的保护范围。

本实用新型提出一种疲劳驾驶多源信息检测***，包括如下几个功能模块：面部特征采集模块1、生理特征采集模块2、车辆信号采集模块3、控制器4和预警执行模块5。

面部特征采集模块1，选择红外视觉传感器，安装在驾驶室A柱处，通过视觉感知的方式实时获取驾驶人的面部图像，采集眼睑闭合程度、眨眼频率、口部张开程度等信息，并基于机器视觉识别驾驶人身份。

生理特征采集模块2，集成在穿戴手环上，实时采集驾驶人的心率、血压等信息。

车辆信号采集模块3，实时采集车辆行驶时长、方向盘转角、转向灯、横向位移信息。其中，横向位移信息可以基于车路协同技术由路侧单元采集传递给所述车辆信号采集模块，或者由所述车辆信号采集模块中的车载定位传感器直接获取。

控制器4，通过有线或无线的方式与面部特征采集模块1、生理特征采集模块2、车辆信号采集模块3进行信号传输，实时接收各模块采集的信息，控制器4中预置有信息处理模块和融合判定模块，对信息进行处理，并做出决策判断。

预警执行模块5可以由报警灯和报警喇叭组成，在控制器4做出判定结果后由预警执行模块5发出预警。控制器4和预警执行模块5通过有线或无线的方式连接。

控制器4具有数据处理的能力，其中包括：

通过接收驾驶人身份信息，进行驾驶人连续驾驶时长计算，从驾驶人上车被面部特征采集模块1开始采集图像时开始计算，到车辆停止驾驶人下车为止，将采集图像的时长记为驾驶人的驾驶时长。

通过接收驾驶人身份信息，进行驾驶人全天累积驾驶时长计算，全天累积采集同一驾驶人图像的时长记为驾驶人全天累积驾驶时长。

通过接收眼睑闭合程度信息，进行持续闭眼时间计算，持续闭眼时间为驾驶人眼睑持续闭合超过90％的时间段。

通过接收眼睑闭合程度信息，进行一定时间窗内眨眼频率计算，眨眼定义为眼睑闭合超过90％且持续500ms以上，但不超过2s的动作。眨眼频率可按照1min的时间窗进行计算。

通过接收眼睑闭合程度信息，进行PERCLOS值计算，PERCLOS值取P80计算，P80指一定时间内眼睑闭合超过80％的时间占比。

通过接收眼睑闭合程度信息和口部张开程度信息，进行一定时间窗内打哈欠次数计算，打哈欠为眼睑闭合超过90％，同时口部张开超过90％的动作，打哈欠次数可按照5min的时间窗进行计算。

通过接收方向盘转角信息，进行持续不操作方向盘时间计算，在没有接收到方向盘转角信息时都视为没有操作方向盘。

通过接收方向盘转角信息和转向灯信息，进行方向盘转角角速度绝对值计算。

通过接收横向位移信息，进行一定时间窗内的横向位移指数计算，计算方法如下：

step1：定义横向位移是指车辆中心线与车道中心线之间的相对偏移，采集某一时间窗内N个横向位移数据L_i，i＝1,2…N；

step2：计算N个横向位移数据的平均值L_m：

step3：计算N个横向位移数据的标准差L_std：

step4：计算横向位移指数D：

控制器4基于采集的驾驶人连续驾驶时长、驾驶人生理反应、驾驶人面部表征、驾驶人操作表现、车辆行驶状态这些多源信息，做出融合判断，包括：

(1)基于上述多源信息，建立疲劳指标体系，见表1，建立的疲劳指标包括但不限于以下10项，其中10项疲劳指标中的阈值可自定义，一般根据长期积累的经验数据确定。

表1疲劳指标

(2)将各项疲劳指标按置信度和风险程度进行分类，并设定各项指标的权重系数Pi，见表2。

表2疲劳指标类型及权重系数

置信度和风险程度也是根据长期经验确定其级别，各项疲劳指标的权重系数根据置信度和风险程度相应的取值，置信度和风险程度越高，权重系数较大，反之较小。如，对于持续闭眼时间、眨眼次数、横向位移这些指标，只要某一项大于阈值，就有可能造成安全事故，并且置信度非常高，所以定为高置信度、高风险指标，这样的指标权重系数就很大；对于连续驾驶时长、全天累积驾驶时长、打哈欠次数这些指标，虽然置信度高，但是比如即便驾驶时间很长，或者打哈欠次数很多，由于个体差异可能风险也不是很大，所以定为高置信度、低风险指标，这样的指标权重系数属于中级；对于P80、持续不操作方向盘时间、转向灯关闭时方向盘转角角速度绝对值、心率这些指标，比如即便长时间不操作方向盘或者心率低也不一定是疲劳，所述置信度低，同时即便持续不操作方向盘，或者心率低，也不一定有风险，所以属于低置信度、低风险指标，权重系数小。

(3)基于超过阈值的疲劳指标以及对应的权重系数Pi，计算疲劳程度指数Fi。

N为超标的疲劳指标的项数。

(4)基于***中内嵌的疲劳程度定级表，根据计算出的疲劳程度指数Fi确定疲劳程度，见表3。

表3疲劳程度定级表

序号	疲劳程度	疲劳程度指数Fi范围
			1	清醒	0＜Fi＜S1
2	轻微疲劳	S1≤Fi＜S2
			3	中度疲劳	S2≤Fi＜S3
4	严重疲劳	Fi≥S3

由表3可见，疲劳程度指数Fi落在哪个界限区间内，就属于哪一疲劳程度等级。疲劳程度等级可以自定义划分，比如划分为表3中的四级，也可简单划分为三级，也可复杂划分为五级。

表3中的疲劳程度界限值Si是自定义设定的，它只是一个相对衡量值，并无具体取值的限定，也无具体数值的意义，只是为了区分各疲劳程度等级之间的相互关系，比如取1以下数量级可以，取10以下数量级也可以，取100以下数量级也可以，只需保证0＜S1＜S2＜S3…，按疲劳程度从小到大取值就可以。

由于疲劳程度等级是根据疲劳程度指数Fi所属的疲劳程度界限值区间而定，而疲劳程度指数Fi又是各项权重系数Pi的加和值，所以权重系数Pi的取值范围实际是根据疲劳程度界限值而确定，任何一项权重系数Pi的取值范围是0＜Pi≤Smax，Smax指疲劳程度定级表中的最大界限值。同理，权重系数也只是一个相对衡量值，与数值本身的大小无关。

下面是一具体的操作实施例：

设定各项疲劳指标的如下阈值：持续闭眼时间是2s，1min时间窗内眨眼次数是10次，1min时间窗内横向位移指数是0.1，白天连续驾驶时长是4h或夜间(22时—次日6时)连续驾驶时长是2h，全天累积驾驶时长是8h，5min时间窗内打呵欠次数是3次，PERCLOS的P80值是0.2，持续不操作方向盘时间是4s，转向灯关闭时方向盘转角角速度绝对值是8°/s，心率是标准值的80％。当各项指标超过各自的阈值时，视为出现疲劳迹象。

对于各项疲劳指标进一步确定各项指标的置信度和风险程度，然后根据疲劳程度定级表中的疲劳程度界限值对每项指标的权重系数Pi赋值。置信度越高、风险程度越高的指标，权重系数Pi越大。设疲劳程度定级表中各疲劳程度的上界限值是：清醒是1，一般疲劳是6，则可赋予权重系数Pi最小值是0＜Pi≤6。对于表2中的各项权重系数Pi，赋值为：P1＝6，P2＝6，P3＝6，P4＝1，P5＝1，P6＝1，P7＝0.5，P8＝0.5，P9＝0.5，P10＝0.5。

根据各项权重系数Pi，假设编号为D4、D5、D8、D9三项指标超标，则计算疲劳程度指数Fi为：

基于疲劳程度指数Fi和疲劳程度定级表确定疲劳程度，由于Fi＝3，在清醒的上界限值之上，一般疲劳的上界限值之下，所以为一般疲劳。

对于判定为一般疲劳的，可以由预警执行模块5发出提示性报警声音或者指示灯。如果判定为严重疲劳，则发出强烈警示性报警声音或者指示灯。

Claims (10)

1.一种疲劳驾驶多源信息检测***，其特征在于：包括有面部特征采集模块、生理特征采集模块、车辆信号采集模块、控制器和预警执行模块；

所述面部特征采集模块，采集驾驶人的驾驶时长、眼睑闭合程度、眨眼频率、口部张开程度信息；

所述生理特征采集模块，采集驾驶人的心率、血压信息；

所述车辆信号采集模块，采集车辆行驶时长、方向盘转角、转向灯、横向位移信息；

所述控制器，通过有线或无线的方式与所述面部特征采集模块、生理特征采集模块、车辆信号采集模块进行信号传输，实时接收各模块的信息，并进行处理，对疲劳程度做出综合判定。

2.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述面部特征采集模块选择红外视觉传感器，安装在驾驶室A柱处。

3.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述生理特征采集模块集成在穿戴手环上。

4.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述横向位移信息由路侧单元采集传递给所述车辆信号采集模块，或者由所述车辆信号采集模块中的车载定位传感器直接获取。

5.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述控制器中预置有信息处理模块和融合判定模块。

6.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述控制器通过所述眼睑闭合程度信息，进行持续闭眼时间计算，所述持续闭眼时间为驾驶人眼睑持续闭合超过90％的时间段。

7.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述控制器通过所述眼睑闭合程度信息，进行PERCLOS值计算，PERCLOS值取P80计算。

8.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述眨眼频率为一定时间窗内眼睑闭合超过90％且持续500ms以上，但不超过2s的动作。

9.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述控制器通过所述眼睑闭合程度信息和口部张开程度信息，进行一定时间窗内打哈欠次数的计算，打哈欠为眼睑闭合超过90％，同时口部张开超过90％的动作。

10.根据权利要求1所述的疲劳驾驶多源信息检测***，其特征在于：所述控制器通过所述横向位移信息，进行一定时间窗内横向位移指数计算，所述横向位移指数指对N个横向位移数据求平均值，然后求标准差，再求所述标准差与车宽的比值。

Images