Hoe kan ik de vermoeidheidsstatus van de bestuurder identificeren in het identificatie- en vroegtijdige waarschuwingssysteem voor voertuigmoeheid?

Rijvermoeidheid verwijst naar de afname van het reactievermogen van de bestuurder, veroorzaakt door een gebrek aan slaap of langdurig continu rijden. Deze achteruitgang uit zich in slaperigheid, dommelen, verkeerd rijgedrag of volledig verlies van rijvaardigheid bij de bestuurder.
Vermoeidheid tijdens het rijden komt tot uiting in zowel fysiologische als psychologische aspecten, waaronder de functie van het zenuwstelsel, bloed- en oogveranderingen; Psychologische reacties omvatten langdurige reactietijd, afleiding en ongecoördineerde actie. Uit het onderzoek en onderzoek naar de oorzaken van verkeersongevallen door de Universiteit van Indiana in de Verenigde Staten is gebleken dat 85% van de ongevallen verband houdt met bestuurders, en dat slechts 15% voertuig- en omgevingsfactoren zijn.
Het gedrag en de fouten van de bestuurder vlak voor het ongeval leiden rechtstreeks tot het ongeval. Deze gedragingen omvatten perceptuele vertraging, verkeerde besluitvorming over het milieu, onjuiste omgang met gevaarlijke situaties, enzovoort. Van alle bestuurdersfouten zijn perceptuele vertraging en besluitvormingsfouten de meest voorkomende. Deze fouten zullen leiden tot onoplettendheid, langzame reflectie, onjuiste bediening enzovoort. De hoofdoorzaak van deze fouten is vermoeidheid. Als gevolg van de vermoeidheid van bestuurders tijdens het rijden neemt de waakzaamheid af, wat resulteert in een toename van het aantal verkeersongevallen, wat een hotspot van algemeen belang in de samenleving is geworden.
Als de bestuurder moe rijdt, zal zijn observatie-, herkennings- en voertuigcontrolevermogen aanzienlijk worden verminderd, wat zijn eigen veiligheid en die van anderen ernstig in gevaar zal brengen. Met de ontwikkeling van de transportsector zijn verkeersongevallen een ernstig probleem geworden waar alle landen mee te maken hebben.
Belangrijkste monitoringmethoden voor vermoeidheid van de bestuurder
De monitoring- en vroegtijdige waarschuwingstechnologie voor vermoeidheid en afleiding van bestuurders wordt door verschillende landen zeer gewaardeerd vanwege het ontwikkelingsperspectief op het gebied van de preventie van verkeersongevallen. Onderzoekers hebben verschillende onderzoeken uitgevoerd naar de fysiologische en operationele kenmerken van vermoeidheid bij bestuurders. Sommige onderzoeksresultaten hebben producten gevormd en zijn op de markt gekomen.
De detectiemethoden voor de vermoeidheidstoestand van de bestuurder kunnen grofweg worden onderverdeeld in detectiemethoden die zijn gebaseerd op het fysiologische signaal van de bestuurder, de fysiologische reactiekenmerken van de bestuurder, het bedieningsgedrag van de bestuurder en informatie over de voertuigstatus.
1. Detectiemethode gebaseerd op het fysiologische signaal van de bestuurder
Het onderzoek naar vermoeidheid begon in de fysiologie. Uit relevant onderzoek blijkt dat de fysiologische indexen van bestuurders in vermoeidheidstoestand zullen afwijken van de indexen in een normale toestand. Daarom kan de vraag of de bestuurder in een toestand van vermoeidheid terechtkomt, worden beoordeeld aan de hand van de fysiologische indexen van de bestuurder. Momenteel omvatten de meer volwassen detectiemethoden het meten van EEG en ECG van bestuurders.
Onderzoekers hebben al lang ontdekt dat EEG de activiteit van de hersenen direct kan weerspiegelen. Het is gebleken dat bij het binnengaan van de vermoeidheidstoestand de activiteiten van de deltagolf en de thetagolf in EEG aanzienlijk zullen toenemen, terwijl de activiteiten van de alfagolf licht zullen toenemen. In een ander onderzoek [6] werden EEG-signalen gevolgd in simulatoren en echte voertuigen. De testresultaten laten zien dat EEG een effectieve methode is om vermoeidheid bij bestuurders te monitoren. De onderzoekers ontdekten ook dat de kenmerken van het EEG-signaal grote persoonlijke verschillen vertonen, zoals geslacht en persoonlijkheid, en ook nauw verband houden met de psychologische activiteiten van mensen.
ECG wordt voornamelijk gebruikt bij de fysiologische meting van de rijbelasting. Onderzoek toont aan dat het ECG duidelijk en regelmatig zal afnemen als bestuurders moe zijn, en er is een mogelijke relatie tussen HRV (hartslagverandering) en de verandering in de mate van vermoeidheid tijdens het rijden.
De detectiemethode op basis van het fysiologische signaal van de bestuurder heeft een hoge nauwkeurigheid bij het beoordelen van vermoeidheid, maar het fysiologische signaal moet door contact worden gemeten en is sterk afhankelijk van individuen. Het heeft veel beperkingen als het daadwerkelijk wordt gebruikt bij het monitoren van vermoeidheid door de bestuurder. Daarom wordt het voornamelijk in de experimentele fase gebruikt als controleparameter van het experiment.
2. Detectiemethode gebaseerd op de fysiologische reactiekenmerken van de bestuurder
De detectiemethode gebaseerd op de fysiologische reactiekenmerken van de bestuurder heeft betrekking op het afleiden van de vermoeidheidstoestand van de bestuurder door gebruik te maken van de oogbewegingskenmerken en de hoofdbewegingskenmerken van de bestuurder.
De oogbewegingen en knipperinformatie van de bestuurder worden beschouwd als belangrijke kenmerken om vermoeidheid weer te geven. Knipperamplitude, knipperfrequentie en gemiddelde sluittijd kunnen direct worden gebruikt om vermoeidheid te detecteren. Momenteel zijn er veel algoritmen om rijvermoeidheid te bestuderen op basis van oogbewegingsmechanismen. Tot de veelgebruikte algoritmen behoort PERCLOS, waarbij het percentage ooglidsluitingstijd in een bepaalde periode wordt gebruikt als meetindex voor fysiologische vermoeidheid.
Met behulp van gezichtsherkenningstechnologie om de posities van de ogen, het neuspunt en de mondhoek te lokaliseren, de posities van de ogen, het neuspunt en de mondhoek te combineren, en vervolgens, op basis van het volgen van de ogen, kunnen we de aandachtsrichting van de bestuurder bepalen en beoordelen of de bestuurder de aandacht wordt afgeleid.
De hoofdpositiesensor wordt gebruikt om het knikken van de bestuurder te detecteren. De positie van het hoofd van de bestuurder van elke sensor wordt doorgegeven via de capacitieve sensorarray, die de positie van het hoofd in realtime kan volgen en kan bepalen of de bestuurder slaperig is volgens de veranderingswet van de hoofdpositie. Uit dit onderzoek is gebleken dat er een zeer goede correlatie bestaat tussen knikken en slaperigheid.
De detectiemethode op basis van de fysiologische reactiekenmerken van de bestuurder maakt doorgaans gebruik van contactloze metingen, die een goede herkenningsnauwkeurigheid en uitvoerbaarheid hebben.
3. Detectiemethode op basis van het bedieningsgedrag van de bestuurder
Technologie voor het herkennen van de vermoeidheidstoestand van de bestuurder, gebaseerd op het bedieningsgedrag van de bestuurder, verwijst naar het afleiden van de vermoeidheidstoestand van de bestuurder via het bedieningsgedrag van de bestuurder, zoals de bediening van het stuur.
Door het verwerken van de gemeten stuurbedieningsgegevens van de bestuurder laten de onderzoeksresultaten tot op zekere hoogte de relatie zien tussen de stuurbediening van de bestuurder en vermoeidheid. Er wordt op gewezen dat de bediening van het stuurwiel een effectief middel is om rijvermoeidheid te beoordelen.
Over het algemeen zijn er weinig diepgaande onderzoeksresultaten over vermoeidheidsidentificatie aan de hand van het rijgedrag van de bestuurder. Naast de vermoeidheidstoestand wordt de werking van de bestuurder ook beïnvloed door persoonlijke gewoonten, rijsnelheid, wegomgeving en bedieningsvaardigheden. De rijtoestand van het voertuig hangt ook samen met veel omgevingsfactoren, zoals voertuigeigenschappen en wegen. Daarom is het belangrijkste probleem van dit soort indirecte meettechnologie hoe de voorspellingsnauwkeurigheid van de toestand van de bestuurder kan worden verbeterd.
4. Detectiemethode op basis van voertuigtraject
De vermoeidheidstoestand van bestuurders kan ook worden afgeleid door gebruik te maken van rij-informatie van het voertuig, zoals verandering van traject van het voertuig en het verlaten van de rijstrook. Net als de technologie voor het herkennen van vermoeidheidstoestanden op basis van het bedieningsgedrag van de bestuurder, is deze methode gebaseerd op de bestaande apparaten van het voertuig, hoeft er niet te veel hardwareapparatuur aan te worden toegevoegd en zal deze het normale rijgedrag van de bestuurder niet verstoren. waarde.
Herkenningssysteem voor vermoeidheid tijdens het rijden op basis van videotechnologie
In april 1999 stelde de Federal Highway Administration PERCLOS voor het eerst voor als een haalbare methode om de rijvermoeidheid van motorvoertuigbestuurders te voorspellen. Na jaren van ontwikkeling is de PERCLOS-methode erkend als de meest effectieve, ingebouwde en realtime evaluatiemethode voor rijvermoeidheid. PERCLOS is de afkorting van het percentage oogsluiting over de pupiltijd, wat het percentage oogsluitingstijd in tijdseenheid betekent.
Het principe van PERCLOS is om het tijdsaandeel van het sluiten van de ogen in een bepaalde tijdsperiode te tellen. De evaluatienorm die door ons systeem wordt gehanteerd is perclos80, wat betekent dat het oog als gesloten wordt beschouwd wanneer het gebied van het ooglid dat de pupil bedekt groter is dan 80%.
PERCLOS-meetprincipe

De waarde van PERCLOS kan worden berekend door T1-T4 te meten:

Waarbij f het percentage oogsluitingstijd vertegenwoordigt, dwz de waarde van PERCLOS.
Systeemschema en workflow van herkenningssysteem voor vermoeidheidsherkenning op basis van videotechnologie
Het vermoeidheidsmonitoringsysteem van de bestuurder verkrijgt het real-time beeld van de bestuurder via de video-acquisitieapparatuur, analyseert automatisch de hoofdhouding van de bestuurder, de oogbewegingswetten en gelaatstrekken om de mentale toestand van de bestuurder te bepalen, en geeft de bijbehorende vroegtijdige waarschuwing. Het onderzoek toont aan dat, vergeleken met de wet van gezichts- of hoofdbeweging, de wet van oogactiviteit, zoals knipperfrequentie, knippersnelheid, oogopeningsbereik en oogrichting, de mentale toestand van de proefpersonen op dat moment beter kan weerspiegelen.
Als de ooggrootte, positie-informatie en bewegingsveranderingen in elk beeldframe kunnen worden verkregen, kan de wet van de oogactiviteit van de bestuurder gedurende een bepaalde periode worden geteld en kan de vermoeidheidstoestand van de bestuurder worden geëvalueerd in combinatie met de analyse van de vermoeidheidstoestand. inhoudsopgave. De systeemstroom wordt weergegeven in de onderstaande afbeelding:
Voorbewerking van afbeeldingen
In de rijomgeving wordt het via de videostream verzamelde beeld beïnvloed door vele factoren, waaronder ruisinformatie, zoals resolutie, systeemruis, abrupte achtergrond, enz., die de volgende beeldbewerking zullen verstoren. Daarom verwerken we het bronbeeld voor met behulp van histogram-equalisatie om ruis te verwijderen, het beeldcontrast te verbeteren, beelddetails te benadrukken en de beeldkwaliteit te verbeteren.
Voor en na egalisatie
Histogram vóór egalisatie Histogram na egalisatie
Gezichtsherkenning
Gezichtsdetectie is een belangrijke stap vóór ooglocatie. Het systeem maakt gebruik van het AdaBoost-algoritme en gebruikt de meegeleverde voorbeeldtraining en detectiemethoden. Eerst worden monsters verzameld en wordt een classificator getraind op basis van de verzamelde monsters. De classificator kan een menselijk gezicht en een niet-menselijk gezicht goed onderscheiden; Laad in de detectielink het te testen afbeeldingsframe in de classificator, scan de afbeeldingspixels om het gezicht in de afbeelding te vinden en kalibreer het gebied. De daaropvolgende bewerkingen worden uitgevoerd in het gekalibreerde gezichtsveld om het rekengebied te verkleinen en de interferentie van niet-vlakfactoren te elimineren, wat de werkingssnelheid van het systeem aanzienlijk verbetert.
Locatie van het oog
Deze koppeling omvat twee fasen: ruwe positionering van het menselijk oog en nauwkeurige positionering van het menselijk oog. Ten eerste moet er, volgens de voorkennis van de traditionele Chinese drie binnenplaatsen en vijf ogen, ongeveer een gebied van menselijke ogen zijn in ruwe positionering. Dit gebied kan tegelijkertijd interferentie zoals wenkbrauwen en haarhoeken bevatten, maar het verkleint het rekengebied verder; Vervolgens wordt het ruwe gebied van het menselijk oog via een bepaalde drempel omgezet in een binair beeld, en vervolgens wordt de grijsprojectie in verticale richting uitgevoerd om het histogram te verkrijgen. Omdat er een groot verschil is tussen het grijs van het menselijk oog en de omringende huid, kunnen de Y-coördinaten van de boven- en onderrand van het menselijk oog worden bepaald aan de hand van de pieken en dalen in het histogram, en vervolgens kunnen de ogen nauwkeurig worden bepaald. gelegen.
Oordeel over de staat van het oog
Via de maximale interklasse variantiemethode (Otsu) wordt het nauwkeurige gebied van menselijke ogen gebinariseerd met verschillende drempels onder verschillende lichtstralen om de beste oogvorm te verkrijgen wanneer menselijke ogen open en gesloten zijn. Door de vergelijking van continue n frames kan worden beoordeeld dat de driver zich momenteel in de gesloten toestand bevindt wanneer het gebied met de zwarte pixelwaarde het kleinst is, en in andere gevallen in de open of semi-open toestand.
Vermoeidheidsanalyse
Het systeem selecteert de momenteel herkende en effectieve percols-vermoeidheidsevaluatie-index, dat wil zeggen dat de vermoeidheidstoestand wordt geanalyseerd aan de hand van de tijdsverhouding van ogen gesloten frames in opeenvolgende n frames. De ogen open frames worden geregistreerd als “1”-waarde en de ogen gesloten frames worden geregistreerd als “0” waarde. Op deze manier kan na opeenvolgende n frames de gespreide reeks van "1" en "0" worden verkregen. De analyse van de vermoeidheidstoestand kan worden beschreven door het aandeel van de "0"-waarde in de reeks. Wanneer het percentage hoger is dan een bepaald experimenteel percentage, kan ervan worden uitgegaan dat de bestuurder mogelijk vermoeid is.
Door de werking en verwerking van de bovenstaande vijf stappen kan het systeem analyseren of de huidige bestuurder zich in vermoeidheidstoestand en vermoeidheidsgraad bevindt op basis van de videostream verkregen door de acquisitieapparatuur, en verschillende graden van herinnering en alarm geven, om de systeem doel.
Uitgebreid oordeel over de mate van vermoeidheid
Het oordeel over vermoeidheid van de bestuurder wordt nadelig beïnvloed door foutinspectie. Door de berekening van PERCLOS, de sluitingstijd van de ogen, de knipperfrequentie van de ogen, de mate van mondopening en de hoofdbeweging, kan het uitgebreide oordeel over vermoeidheid van de bestuurder nauwkeurig en effectief worden uitgevoerd.
PERCLOS
PERCLOS verwijst naar het percentage oogsluitingstijd in een specifieke tijd. De PERCLOS-methode heeft drie criteria: p70, p80 en em. Uit het onderzoek blijkt dat p80 de beste correlatie heeft met de mate van vermoeidheid.
Mondopening
Er zijn gewoonlijk drie toestanden van de mond: sluiten, spreken en geeuwen. In de toestand van vermoeidheid zullen mensen vaak geeuwen, en het zal blijken dat er een dal zit in de horizontale grijze projectiecurve van de onderste helft van het gebied, dat wil zeggen de positie tussen de lippen. Binariseer het onderste deel van het gezicht en bereken de pixelwaarde van het verbonden gebied (het verbonden gebied kan voorkomen dat neusgaten en snorharen de berekening beïnvloeden) vanaf de lippen op en neer om de openingsgraad van de mond te verkrijgen.
Ooghoogte- en mondhoogtecompensatie
Wanneer de verticale afstand van het bovenste ooglid tot het onderste ooglid en de verticale afstand van de bovenlip tot de onderlip, omdat het hoofd van de bestuurder beweegt ten opzichte van de detectieapparatuur, om de nauwkeurige berekening van de ooghoogte en mond van de bestuurder te realiseren hoogte, is het noodzakelijk om de veranderingen te corrigeren die worden veroorzaakt door de relatieve veranderingen in de afstand tussen de ogen, mond en de detectieapparatuur.
Sluitingstijd van de ogen
De oogsluitingstijd wordt doorgaans uitgedrukt in de tijd tussen het sluiten van het oog en het openen ervan. Wanneer een persoon zich in een normale wakkere toestand bevindt, is de sluitingstijd van zijn ogen erg kort en zal hij zijn ogen snel openen. In geval van vermoeidheid zal de oogsluitingstijd aanzienlijk langer zijn, zodat de oogsluitingstijd een directe weerspiegeling kan zijn van de mentale toestand van de bestuurder. Door het maximale aantal frames te berekenen, van sluiting tot opening, geldt: hoe meer frames, hoe langer de sluitingstijd en hoe ernstiger de vermoeidheid.
Ogen knipperen minder vaak. De horizontale grijze projectie wordt uitgevoerd op de onderste helft van het gezicht en de horizontale grijze projectiecurven van verschillende afbeeldingen van één persoon worden waargenomen,
Mensen knipperen vaker als ze moe zijn dan als ze wakker zijn. Dit artikel neemt het ook als een parameter als basis voor het oordeel over vermoeidheid. Knipper één keer als de ogen gesloten zijn om te openen. Het aantal knipperingen in een tijdsperiode wordt verzameld als parameter voor het beoordelen van vermoeidheid.
Vermoeidheidsparameters van hoofdbewegingen
Als de chauffeur moe is, knikt hij vaak en kantelt hij zijn hoofd naar voren. De horizontale posities van oogpupil en mondhoek worden verkregen door horizontale grijze integrale projectie. Stel dat D1 de afstand is van de horizontale positie van de pupil tot de bovenrand van de verzamelde afbeelding, en D2 de afstand is van de horizontale positie van de mondhoek tot de onderkant van de verzamelde afbeelding. Wanneer de bestuurder knikt vanwege vermoeidheid, neemt D1 toe en D2 af. Wanneer de bestuurder moe is en het hoofd naar voren kantelt, neemt D1 toe en neemt D2 toe. Knikken en het hoofd naar voren leunen kunnen worden gebruikt als een belangrijke basis voor het beoordelen van vermoeidheid.
Huidige situatie van monitoringtechnologie voor vermoeidheid tijdens het rijden
Monitor voor vermoeidheid van de bestuurder gelanceerd door Attention Technologies (dd850) is een product voor het monitoren en vroegtijdig waarschuwen van vermoeidheid van de bestuurder, gebaseerd op de fysiologische reactiekenmerken van de bestuurder. Het product verzamelt informatie over het oog van de bestuurder via de infraroodcamera en gebruikt PERCLOS als vermoeidheidsalarmindicator. Het kan rechtstreeks op het instrumentenpaneel worden geïnstalleerd. De alarmgevoeligheid en het alarmgeluid kunnen worden aangepast. Momenteel is het gepopulariseerd en toegepast, maar het is alleen 's nachts effectief.
Het Sam-vermoeidheidsalarmapparaat, ontwikkeld door digitale installaties in de Verenigde Staten, maakt gebruik van een magneetstrip die onder het stuur is geplaatst om de stuurhoek te detecteren. Als de bestuurder gedurende een bepaalde periode geen enkele correctie aan het stuur uitvoert, leidt het systeem af dat de bestuurder in een vermoeidheidstoestand terechtkomt en wordt er een alarm geactiveerd.
Safetrac van het Amerikaanse assistware-technologiebedrijf gebruikt de videokop aan de voorzijde om de rijstrooklijn te identificeren en een alarm te geven wanneer het voertuig van de rijstrook begint af te wijken. Het product kan ook de vermoeidheidstoestand van de bestuurder beoordelen door de rijbaanstatus te combineren met de bedieningskenmerken van het stuurwiel van de bestuurder.
Het slimme apparaat in Groot-Brittannië houdt uitgebreid rekening met verschillende factoren, zoals de slaapinformatie van de bestuurder, de lengte en het soort rit dat is afgelegd, en de bediening van het stuur van de bestuurder om de vermoeidheidstoestand van de bestuurder te beoordelen. Voordat het apparaat in werking treedt, moet de bestuurder zijn slaapinformatie van de afgelopen 24 uur invoeren. Wanneer het visuele alarm een bepaald niveau bereikt, wordt het hoorbare alarm geactiveerd en wordt de bestuurder geadviseerd te stoppen en te rusten. Na een rustperiode zal de ingebouwde wekker de bestuurder wakker maken en de rijtijd opnieuw instellen.
Naast deze producten zijn er ook vermoeidheidsalarmarmbanden die vermoeidheid detecteren door middel van polsbewegingen en armbanden die aan ogen en benen gehangen kunnen worden

Als u uw eigen producten, merken of software voor vermoeidheidsmonitorsystemen wilt ontwikkelen, aarzel dan niet om contact op te nemen met [email protected] We zullen je niet teleurstellen.