[发明专利]一种基于生物电及行为特征融合的疲劳驾驶检测方法

说明书

本发明公开了一种基于生物电及行为特征融合的疲劳驾驶检测方法，可以实现对驾驶员驾驶状态的实时检测，包括脑电信号处理模块、面部多特征模块、疲劳检测融合模块。所述脑电信号处理模块即通过小波包分解采集δ、θ、α、β四种脑电波，采用(α+θ)/β作为疲劳指数，并计算重构后的脑电样本熵；所述面部多特征模块为采用边缘检测与聚类算法实现眼睛与嘴部区域的识别，通过分析眨眼指标、眼动指标以及哈欠指标来判断驾驶员状态；所述疲劳检测融合模块是将各特征信号通过LVQ‑BP人工神经网络进行融合，根据融合结果判断驾驶员是否疲劳。将多种特征相融合确保了系统的可靠性与高效性，更有效地降低事故发生概率，保障人民的生命财产安全。

技术领域

本发明涉及生物电信号处理技术、图像处理技术与汽车辅助驾驶技术领域，特别涉及一种基于生物电及行为特征融合的疲劳驾驶检测方法。

背景技术

近年来随着全球经济快速发展，汽车保有量持续上升，交通事故的发生数量逐年增长，生命财产损失惨重。经研究发现疲劳驾驶是引起交通事故的一项重要因素，当驾驶员疲劳时人体的生理机能下降，意识模糊，引发事故概率急剧上升，严重威胁着人民的生命和财产安全。

目前，对疲劳驾驶的检测大多基于车辆轨迹，驾驶员行为或从单个生理指标进行疲劳的判断，这些都存在有一定的缺陷，受个人驾驶习惯及行驶速度、道路环境、操作技能的限制，并且检测结果不准确，容易出现误判或漏判的情况，检测的健壮性会受到影响。

基于此，为了克服上述所存在的问题，避免交通事故的发生，保障人民的生命财产安全，本发明提出了一种基于生物电与驾驶员行为特征融合的疲劳驾驶实时检测方法，形成综合疲劳指标，相比较于单个生物电特征检测、单个行为特征检测其疲劳判断准确率明显上升。

发明内容

为解决上述现有技术存在的问题，本发明的目的在于提供，本发明主要针对现有相关技术存在的缺陷，考虑到多特征信号指标，提出一种基于生物电及行为特征融合的疲劳驾驶检测方法，可以实现对驾驶员驾驶状态的实时检测。

本发明为解决技术问题所采用的技术方案是：一种基于生物电及行为特征融合的疲劳驾驶检测方法。包括：脑电信号处理、面部多特征处理和疲劳检测；

所述脑电信号处理，即通过小波包分解采集δ、θ、α、β四种脑电波，采用(α+θ)/β作为疲劳指数，并计算重构后的脑电样本熵；

所述面部多特征处理则通过分析眨眼、打哈欠、点头以及眼动来判断驾驶员状态；

所述疲劳监测用于根据各信号特征融合结果判断驾驶员是否疲劳；

一种基于生物电及行为特征融合的疲劳驾驶检测方法，具体按照以下步骤进行：

步骤S1：使用TGAM模块进行原始脑电信号、专注度与放松度采集，然后将采集到的脑电信号采用小波包分解；

步骤S2：将小波包分解后的FP1电极脑电波重构后，得到一组脑电信号；进而进行样本熵计算；

步骤S3：用相关系数分析方法对专注度与放松度的比值进行分析；

步骤S4：进而计算出(θ+α)/β的功率谱密度比值随时间的变化曲线，分析曲线判断疲劳区间；

步骤S5：采用加权平均法对驾驶员的视频图像进行灰度化处理；

步骤S6：使用机器学习分类器对图像进行预处理，采用KLT算法进行点跟踪，采用维奥拉-琼斯目标检测算法对其进行检测并用矩形框标示出驾驶员脸部区域；

步骤S7：通过使用适当的阈值来确定眼睛的位置即使用Soble边缘检测算法通过图像直方图和颜色直方图找到眼睛区域的边缘；使用K-means聚类算法识别出嘴部区域；