司機疲勞駕駛檢測系統(tǒng)設(shè)計

）在這些疲勞駕駛監(jiān)測設(shè)備中，應(yīng)用最為）廣泛的是車道偏離報警系統(tǒng)，但是該報警系統(tǒng)屬于間接監(jiān)測，對駕駛疲勞的敏感度不高，在夜晚或冰封的雨雪天氣監(jiān)測容易失敗。2）隨著圖像處理技術(shù)的不斷發(fā)展，使基于機器視覺的駕駛疲勞監(jiān)測系統(tǒng)成為流行，視覺檢測具有非接觸、檢測范圍）'一、信息容量人、可擴展性強等優(yōu)點，但其在夜晚無光和強光干擾卜系統(tǒng)可靠性明顯卜降。3）各種根據(jù)眼部狀態(tài)檢測疲勞的車載報警裝置應(yīng)運而生，成為當前車載疲勞預(yù)警系統(tǒng)中的主流產(chǎn)品。其中尤以基于PERCLOS的眼部疲勞狀態(tài)預(yù)警系統(tǒng)可靠性最強，但其對于少數(shù)駕駛員磕睡時眼睛睜開、戴眼鏡駕駛時測量難度較人，誤報警率較高。4）基于多傳感器信息融合技術(shù)的疲勞駕駛智能監(jiān)測系統(tǒng)己在市場上初現(xiàn)端倪，但其在實時性、可靠性及疲勞特征的有機融合方面還需進行更深入的研究。南?典型威點的警癱統(tǒng)忖能比較丹警系酰可靠性實時性侵入ft空天悚武十Y件篥血性結(jié)構(gòu)可獷假性出本心椎速匹府曲位牧費的好4有高皎強轉(zhuǎn)自復(fù)雜一股7.頭都僅置檢曲位段好較高有高速.勝篁呆一股7.車值偏息｝艮皆系統(tǒng)牧吊好較高較梏姓強較廣.茴單強他轉(zhuǎn)「.此監(jiān)測藍統(tǒng)?欣怛好林.t離■fG.■￡茴單-朕低寫孤員警示森統(tǒng)瞪吊虻較舟無高牧口口徜于蛇皿蛇品PERCLOS累統(tǒng)離好牧品無枚而找范收；：較史史兒眼".。而平Ji冏發(fā)的系統(tǒng)蠢一好牧舟無較描找正位■::法夏比丸輟在F比日LAB嶷統(tǒng)自.假牧舟無較四找正施轉(zhuǎn)曼盤丸息C叩ilm案統(tǒng)抵.在較后無較脩岐世祜較富豪皿福AWAKE蒼.股較序.1高強猛4余強而發(fā)展趨勢目前，疲勞駕駛預(yù)警系統(tǒng)的研究方興未艾，雖然對其進行研究逐漸引起許多國家的關(guān)注和重視，但到目前為止，實用的產(chǎn)品尚未推出，系統(tǒng)監(jiān)測的準確性、可靠性和有效性亟待提高，今后其發(fā)展將呈現(xiàn)以卜趨勢。1）深入認識研究疲勞駕駛的特性及形成機理。人們將會結(jié)合心理學的最新研究成果，從生理學、生物化學、人機工程學、行為科學等多門學科的角度，深入研究駕駛員疲勞的形成機理，并揭示其形成機理的木質(zhì)，為系統(tǒng)實時檢測駕駛員的疲勞狀態(tài)提供理論依據(jù)。2）準確建立起描述駕駛行為與疲勞之間關(guān)系的數(shù)學模型。利用目前常用的接觸式檢測方法，找出疲勞駕駛的表征及原因，為實時的、客觀的非接觸式檢測方法確定合理的疲勞駕駛檢測標準。3）建立可靠的駕駛疲勞評價體系。隨著腦成像技術(shù)以及認知神經(jīng)科學的飛速發(fā)展，系統(tǒng)地研究認知疲勞過程和功能狀態(tài)，并通過人量的實驗研究，探討確定詳細的駕駛疲勞評價標準。4）進一步融合多種信息，提高疲勞駕駛監(jiān)測系統(tǒng)的可靠性，將是今后的重點研究方向之一。隨著智能傳感器、數(shù)字圖像處理、移動通信、模式識別、計算機科學、白動控制、信息處理、DSP等技術(shù)的大力推廣和發(fā)展，使其能對駕駛員疲勞程度進行定性和定量相結(jié)合的檢測，以達到提高檢測準確性的目的。5）設(shè)計可靠、低廉、有效、便攜的疲勞駕駛監(jiān)測系統(tǒng)，促進疲勞駕駛預(yù)警系統(tǒng)的產(chǎn)品化和商品化要在汽車上普及，成功安裝、使用疲勞駕駛預(yù)警系統(tǒng)，首先是對駕駛員的駕駛行為不產(chǎn)生干擾，方便駕駛員的駕駛;其次是必須絕對準確、可靠;最后必須保證價格低廉，使有關(guān)公司及車主在費用上能輕松承擔。6）利用數(shù)字移動通信和無線傳感技術(shù)開發(fā)駕駛員疲勞駕駛網(wǎng)絡(luò)監(jiān)控系統(tǒng)，擴人疲勞駕駛監(jiān)控系統(tǒng)的時空覆蓋范圍，加強交通管理部門的監(jiān)管，將是今后疲勞駕駛監(jiān)測系統(tǒng)的一個重要發(fā)展方向.新型多功能駕駛員狀態(tài)監(jiān)測系統(tǒng)設(shè)計無線腦電信號采集和分析1924年德國精神病學家、耶那大學的HansBerger教授首次發(fā)現(xiàn)并捕捉到人腦有規(guī)則的電活動，即腦電信號（EEG）,就是腦部神經(jīng)細胞電位變化的信號頻率。當前大多數(shù)腦電信號采集使用單片、DSP、ARM、FPGA等作為處理器，這些屬于有線傳輸。依據(jù)腦電圖儀記錄的數(shù)據(jù)分析和臨床生理學會國際聯(lián)盟的分類，腦電信號的頻率分為：a波（8~13Hz，20~100uV）、B波（13~30Hz，5~20uV）、3波（0.5~4HZ，20~200uV）、。波（4?8Hz，100uv?150uV）4個頻段。腦電信號非常微弱，一般只有50uV左右，幅值范圍為5uV?100uV。所以，腦電信號放大增益要比一般的信號高得多，一般要放大20000倍左右。系統(tǒng)分為數(shù)據(jù)采集傳輸、濾波放大、電源設(shè)計和數(shù)據(jù)處理四個模塊。數(shù)據(jù)采集傳輸與處理模塊采用MSP430系列單片機作為控制器，無線收發(fā)模塊CC2500作為數(shù)據(jù)傳輸,MSP430單片機通過SPI口進行數(shù)據(jù)的發(fā)送與接收，然后把接收到的腦電數(shù)據(jù)通過UART轉(zhuǎn)USB芯片傳輸給數(shù)據(jù)處理服務(wù)器進行數(shù)據(jù)處理。濾波放大模塊采用前置放大器AD620作為主放大器，前級采用兩個單運放OP07運放放大器組成并聯(lián)型差動放大器，采用無源高通濾波（阻容耦合電路），采用集成芯片MAX280作為低通濾波，采用反相放大器進行后級放大。電源設(shè)計模塊采用兩種供電模式：1）四節(jié)干電池供電，中間接地，將另一端拉至-3v。2）采用單電源供電，可直接使用汽車電源接口轉(zhuǎn)換為3v。情緒預(yù)警駕駛員在憤怒、亢奮、悲傷等情緒狀態(tài)下發(fā)生交通事故的幾率遠遠高于正常情況，據(jù)統(tǒng)計由情緒化駕駛引起的交通事故約占事故總數(shù)的9.2%?14.8%。有效的實時監(jiān)測駕駛員情緒狀態(tài)對車輛人員安全和遏制交通事故具有一定的應(yīng)用價值。腦電采集的關(guān)鍵參數(shù)設(shè)置：采樣率為500Hz;取0.53?60Hz之間的腦電信號；低通40Hz，高通0.35Hz；采用EDF數(shù)據(jù)存儲；電極通道選用：額葉區(qū)H1,H2和H3,H4,頂葉區(qū)D1,D2,枕葉區(qū)Z1,Z2,顳葉區(qū)S1,S2；參考電極為左右耳部電極C1,C2為參考。分別采集當駕駛員處于平靜、興奮和悲傷情緒狀態(tài)模擬駕駛時的四個區(qū)的腦電信號。采用Neroscan4.3軟件對采集的腦電信號進行分析和偽跡剔除發(fā)現(xiàn)，駕駛員在平靜、興奮和悲傷情緒狀態(tài)模擬駕駛時，前額葉區(qū)H1,H2的腦電信號變化明顯，對識別有重要價值。疲勞監(jiān)測經(jīng)實驗分析發(fā)現(xiàn)，駕駛疲勞狀態(tài)腦電特征與a波、。波、B波均有關(guān)系，因此把C=（a+。）/B作為檢測駕駛疲勞的參考指標。實驗從1.00逐步增大到最大值1.65,腦電曲線在后期變化較大。經(jīng)主觀評測及腦電數(shù)據(jù)對比分析得到：1）駕駛員在清醒狀態(tài)時，其C值為在1.14以下，數(shù)值較小。2）駕駛員在疲勞狀態(tài)時，其C值為在［1.14,1.46］之間。3）駕駛員在瞌睡狀態(tài)時，其C值逐步增大，達到1.46以上。值得注意的是，R值的變化曲線可能隨駕駛員調(diào)整、疲勞緩解而變化，出現(xiàn)反復(fù)漸進的過程，有時出現(xiàn)時有時無，高低起伏的波動，可設(shè)定在一定時間段內(nèi)疲勞或瞌睡狀態(tài)出現(xiàn)的次數(shù)達到3次以上報警。突發(fā)疾病監(jiān)測隨著工作節(jié)湊加快，壓力增大，越來越多的人出現(xiàn)各種突發(fā)疾病，甚至猝死，駕駛員出現(xiàn)突發(fā)性疾病將帶來極其嚴重的后果。通過腦電信號實時監(jiān)測到疾病信號好，及時發(fā)出報警，對預(yù)防此類交通事故有很好的價值。判定突發(fā)疾病的腦電信號參數(shù)：1）輕度異常：a波頻率差超過24.5Hz,波幅不對稱，兩側(cè)波幅差超過30%,枕區(qū)超過50%,生理反應(yīng)不明顯或不對稱；a波頻率減慢至8Hz,波幅達100UV以上且調(diào)節(jié)不佳；B波增多，波幅達50~100dV；額區(qū)或顳區(qū)中幅。波達20%,低幅3波達10%；過度換氣誘發(fā)出。波大于70UV或3波大于25uVo2）中度異常：a波頻率減慢為7?8Hz,枕區(qū)原有a波消失或一側(cè)減少消失；額、顳區(qū)有陣發(fā)性波幅較高的a活動；中波幅?；顒訑?shù)量達50%；出現(xiàn)少量棘波、尖波、棘或尖-慢綜合波等；過度換氣誘發(fā)出高幅3波。3）重度異常：高波幅?；?波為主要節(jié)律，a波消失或僅存少量8Hza波散在；自發(fā)或誘發(fā)長程或反復(fù)出現(xiàn)高幅棘波、尖波、棘或尖-慢綜合波等；高度失律、爆發(fā)性抑制、周期性發(fā)放等；持續(xù)性廣泛性扁平電位。酒精監(jiān)測駕駛員酒后駕駛檢測一般分為血液檢測和呼氣式酒精氣體檢測兩種。本系統(tǒng)采用汽車嵌入式酒精氣體檢測方法,通過酒精傳感器檢測駕駛員呼出氣體中的酒精濃度值判定駕駛員的飲酒程度。采用高靈敏度的MQ-3酒精傳感器，5V直流供電，如圖2所示。選擇AOUT,模擬量輸出，直接將AOUT腳接AD轉(zhuǎn)換的輸入端。在沒有被測氣體的環(huán)境中，設(shè)定傳感器輸出電壓值為參考電壓，AOUT端的電壓在1V左右，當傳感器檢測到被測氣體時，電壓每升高0.1V,實際被測氣體的濃度增加20Ppm（1ppm=1mg/kg=1mg/L=1X0.000001常用來表示氣體濃度,或者溶液濃度）,根據(jù)這個參數(shù)就可以在單片機里面將測得的模擬量電壓值轉(zhuǎn)換為濃度值。.多源信息融合在駕駛疲勞檢測中的應(yīng)用駕駛疲勞特征醫(yī)學上把人體困頓、倦怠的感覺定義為疲勞,并作為一種信號來提醒人們休息和放松。駕駛疲勞,則是指駕駛?cè)嗽陂L時間連續(xù)行車后,產(chǎn)生生理機能和心理機能的失調(diào),而在客觀上出現(xiàn)駕駛技能下降的現(xiàn)象。駕駛疲勞會影響到駕駛?cè)说淖⒁饬?、感覺、知覺、思維、判斷、意志、決定和運動等諸方而。PERCLOS值的計算眼睛的狀態(tài)變化已經(jīng)被研究證明是反映人疲勞最為直接和有效的表征?？谇盎谘劬Φ南嚓P(guān)檢測方法主要有PERCLOS法、眨眼頻率檢測法、瞳孔大小的檢測和眼睛視線方向檢測法等幾種。其中PERCLOS法已經(jīng)被公認為疲勞檢測最好的視覺參數(shù)。而其他幾種眼睛的檢測方法也都基于視覺，處理方法類似，因此在文中我們只選取了PERCLOS值作為融合的其中一個參數(shù)。PERCLOS（percentageofeyelidclosureoverthepupilovertime）是指眼睛閉合時間占某一特定時間的百分比。PER-CLOS法是1994年Wierwille等根據(jù)在駕駛模擬器上的實驗結(jié)果確立的。其中眼睛閉合還設(shè)定了三種標準,分別為70%、80%和完全閉合,通過實驗證明80%標準是效果最好。行駛方向改變與駕駛員反應(yīng)不一致情況在人體工程學原理中提到,當駕駛員進入疲勞狀態(tài)后,反應(yīng)遲鈍、注意力不集中。當車輛轉(zhuǎn)彎時，行駛路線改變，此時如果轉(zhuǎn)向燈并未開啟，則可以間接認為是駕駛員由于疲勞過度或精神不集中造成。因此把識別行駛方向變化和駕駛員反應(yīng)的不一致情況也作為判斷的一個因素。檢測汽車的轉(zhuǎn)向我們通過方向盤轉(zhuǎn)向傳感器來實現(xiàn)，同時通過檢測轉(zhuǎn)向燈的開關(guān)電壓值來判斷轉(zhuǎn)向燈是否開啟。而最后通過計算檢測這一不一致情況發(fā)生的次數(shù)，將此次數(shù)作為信息融合的參數(shù)，根據(jù)次數(shù)的多少來判斷疲勞程度。由于車輛何時轉(zhuǎn)向是不定問題，而檢測得的數(shù)據(jù)又希望是對疲勞的實時反映，因此對次數(shù)的統(tǒng)計，我們以檢測前5分鐘作為統(tǒng)訓一時間。方向盤動作狀態(tài)通常，駕駛員在行車過程中，需要不斷對方向作出調(diào)整，即使在筆直的道路上行駛，也總是需要對方向盤做一些輕微的轉(zhuǎn)動。而根據(jù)駕駛疲勞的定義及其從生理表現(xiàn)上考慮，當駕駛員處于駕駛疲勞狀態(tài)時會出現(xiàn)注意力不集中，操縱停頓等現(xiàn)象，因此通過監(jiān)測方向盤的動作狀態(tài)可以間接反映駕駛員是否處于疲勞狀態(tài)，如果在經(jīng)歷一定時間內(nèi)方向盤沒有任何動作，就可以判斷為動作疲勞，方向盤動作狀態(tài)異常，而且該疲勞的程度與方向盤無動作的時間成正比關(guān)系。根據(jù)方向盤監(jiān)視裝置S.A.M中的理論，方向盤不動以4、為判斷閡值，當檢測到方向盤持續(xù)不動時間超過4、時，可以判定為駕駛疲勞。連續(xù)駕駛時間駕駛疲勞產(chǎn)生的一個原因是駕駛員連續(xù)行車時間過長，導致生理機能和心理機能的失調(diào)。根據(jù)我國國家交通法規(guī)定，機動車駕駛?cè)嗽谶B續(xù)駕駛時間達4小時，就必須休息20分鐘。由此可以相信連續(xù)駕駛時間過長也可以作為駕駛員疲勞的間接原因，因此當駕駛員連續(xù)駕駛時間超過一定時間，可以作為判斷駕駛疲勞的依據(jù)之一，而且疲勞程度也與該時間成正比關(guān)系。實際時間參數(shù)由于圖像處理技術(shù)在光線條件差的情況下無法獲取信息，因此在光線條件差的情況下我們不能把PERCLOS值作為檢測疲勞的重要依據(jù)，而主要作為參考的是其他非圖像手段獲取的疲勞特征信息。因此我們需要對時間進行分段考慮，文中我們簡單的分成白天和夜晚兩個時間段，上午8點至下午5點為一個時間段，其余為另一個時間段。模糊神經(jīng)網(wǎng)絡(luò)疲勞識別我們描述了5種常用的駕駛疲勞檢測特征參數(shù)，各檢測方法能夠一定程度地檢測出疲勞，但由于在實際行車過程中，情況復(fù)雜，因此各自檢測的可靠性均存在不同程度的疑問，也都存在較高的誤報情況。PERCLOS值由于依靠圖像處理方法檢測，受光線等影響較大，因此不同時間其可靠性不夠，另外在眨眼上，不同的人的差異也較大;而對行駛方向改變與司機反應(yīng)不一致情況和方向盤動作狀態(tài)單一檢測，則由于不同駕駛習慣的區(qū)別其檢測可靠性也難以滿足要求。在分析以上方法單一檢測的情況后，針對其存在的問題，再結(jié)合模糊邏輯在處理不確定性和非線性問題的優(yōu)勢，以及神經(jīng)網(wǎng)絡(luò)容錯能力強且具備自適應(yīng)學習能力的優(yōu)點，我們將模糊神經(jīng)網(wǎng)絡(luò)的融合方法來進行駕駛疲勞檢測。.疲勞度量化.TS模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(TSFNN)9.3智能控制技術(shù)在汽車疲勞駕駛監(jiān)控中的應(yīng)用研究本課題的目標設(shè)計基于MM908E625和Low-G加速度傳感器的汽車駕駛狀態(tài)(疲勞駕駛)監(jiān)控儀，以嵌入式PC為核心的汽車網(wǎng)絡(luò)控制系統(tǒng)，實現(xiàn)對汽車駕駛狀態(tài)的監(jiān)控。監(jiān)控儀特性有:(1)方向盤的轉(zhuǎn)向軸、油門踏板和剎車踏板多點監(jiān)控。(2)加速度傳感器信號獨立處理，確保實時性。(3)LIN總線網(wǎng)絡(luò)，實現(xiàn)汽車中的分布式電子系統(tǒng)控制。(4)互動平臺:駕駛路況選擇，更有利于控制系統(tǒng)監(jiān)控。提供聲光、振動報警提示。(5)大容量數(shù)據(jù)存儲和采集，大屏幕LCD顯示，異動駕駛時間段數(shù)據(jù)查詢。(6)神經(jīng)元網(wǎng)絡(luò)技術(shù)、模糊控制和專家系統(tǒng)。硬件描述.硬件系統(tǒng)構(gòu)成系統(tǒng)主節(jié)點為嵌入式PC機，配置觸摸屏提供智交交互式界面，主節(jié)點完成數(shù)據(jù)庫的建立、更新，能控制程序運行和對LIN子節(jié)點的通信管理。交互式界面提供路段、路況、測控時間等選擇，對駕駛狀態(tài)的等級提示和報警等。.智能控制(模糊控制器)設(shè)計各種對車輛的操作控制，作為輸入量，表現(xiàn)為油門開度、制動踏板的位置、發(fā)動機轉(zhuǎn)速、車速的變化、速度的變化(即加速度)，方向盤轉(zhuǎn)向的角度和角加速度等。車輛在不同的路況下產(chǎn)生的振動作為輸入量，也會影響到傳感器的測量，特別是對加速度傳感器的影響，對振動信號由I_IN子節(jié)點測量模塊按“平均振動信號強度”在信號預(yù)處理程序中減弱或消除。作為輸出量，表現(xiàn)為對車輛的駕駛狀態(tài)的優(yōu)劣，分為“好”、“中”、“差”三個等級。以下以油門開度作為變量說明模糊控制器的設(shè)計。幺士市;五結(jié)束語.研究工作總結(jié)本文在借鑒了很多駕駛疲勞檢測研究資料的基礎(chǔ)上,比較了駕駛疲勞檢測方法,描述了基于視覺的人臉檢測、眼睛定位、眼睛狀態(tài)識別和疲勞分析等各種方法,并且在具體的疲勞檢測系統(tǒng)實現(xiàn)中提出了自己的改進算法，在此基礎(chǔ)上采用了PERCLOS和眨眼頻率相結(jié)合方法作為疲勞判斷的核心算法。在第一、二章分析對比了現(xiàn)有的人臉檢測、人眼定位、人眼狀態(tài)識別和疲勞分析等方法的前提下,本文在第四章對實現(xiàn)駕駛疲勞檢測系統(tǒng)各個模塊所采用的算法以及該算法的效果進行了詳細的描述與分析,并對本文所實現(xiàn)的駕駛疲勞檢測系統(tǒng)的檢測性能進行了仿真分析。本文改善了現(xiàn)有的光照預(yù)處理方法，融合了多種圖像預(yù)處理算法:Gamma校正、高斯差分濾波和對比均衡化,尤其對于夜間光照效果不好的圖像達到了很好的預(yù)處理效果;還提出了一種基于灰度投影算法和分塊復(fù)雜度分析的人眼精確定位算法,即先用灰度投影算法實現(xiàn)人眼的粗定位,然后在粗定位的范圍內(nèi)進行分塊復(fù)雜度分析,最終根據(jù)約束規(guī)則定下的兩塊復(fù)雜高的區(qū)域即為人眼黑色塊區(qū)域。.總結(jié)與展望系統(tǒng)能基本上實現(xiàn)對駕駛員疲勞狀態(tài)的判斷,但在對一些特別的目標或者很復(fù)雜背景下的目標的檢測,還有一定的不足,需要在未來討論來提高和實現(xiàn)以下的一些功能:(l)本系統(tǒng)在檢測目標正面圖像和戴眼鏡狀態(tài)下的目標能夠達到較高的檢測的正確率，但對目標側(cè)面的檢測識別性能不是很好,尤其是對戴墨鏡的目標很難檢測到,在以后對側(cè)面的識別準確率方面加以完善。(2)在硬件上沒有做出更加全面深入的研究以及對硬件的擴展。為了提高檢測準確率,如何讓在硬件上實現(xiàn)更加復(fù)雜的匹配算法,或者在性能比較好的FPGA方面的DEZ開發(fā)板上實現(xiàn),是下一步研究的重點。(3)僅僅利用面部的眼睛狀態(tài)檢測目標的疲勞狀態(tài)比較單一,環(huán)境對它的影響也比較大,可以嘗試利用目標自身的與疲勞相關(guān)的信息,采用多種疲勞駕駛檢測算法,通過信息融合,來提高識別算法的準確率。(4)系統(tǒng)的魯棒性不夠理想,尤其對側(cè)面的目標適應(yīng)性較差,這是以后需要解決的問題。參考文獻.GerryE.Warningsystemforfatigueddriversnearingrealitywithneweyedata[J],ScienceDailyMagazine,1999,15(7):25-30.鄭培，宋正河，周一鳴.機動車駕駛員駕駛疲勞測評方法的研究狀況及發(fā)展趨勢J],中國農(nóng)業(yè)大學學報，2001,6(6):101-105.GraceR,BymeVE,LegrandJM.Adrowsydriverdetectionsystemforheavyvehieles[J],ProceedingsoftheDigitalAvionicsSystemsConference,1998,13(8):35-42.GraceR,ByeVE,LegandJM.AMachineVisionBasedDrowsyDriverDetectionSystemforHeavyVehicles[J],ProceedingsoftheOcularMeasuresofDriverAlertnessConference,1999,8(3):75-86.JaneCS,JeanWW,BradleyVVWhyDoPeopleHaveDrowsyDrivingCrashes[J],AFoundationforTrafficsafety,1999,23(7):31-35.廖傳錦，秦小虎，黃席越.以人為中心的汽車主動安全技術(shù)綜述J],計算機仿真，2004,20(8):152-156.王榮本，郭克友，儲江偉.適用駕駛員疲勞狀態(tài)監(jiān)測的人眼定位方法研究山，公路交通科技，2003,20(5):111-114.王炳浩，魏建勤，吳永紅.汽車駕駛員磕睡狀態(tài)腦電波特征的初步探索J]，汽車工程，2004,26(1):70-73.石堅，卓斌等.汽車駕駛員主動安全性因素的辨識與分析J]，上海交通大學學報，2000，28(6):441-444.鄭培，宋正河，周一鳴.基于PERCLOS的機動車駕駛員駕駛疲勞的識別算法[J],中國農(nóng)業(yè)大學學報，2002,7(2):104-109.楊渝書，姚振強，李增勇.心電圖時頻域指標在駕駛疲勞評價中的有效性研究[田,機械設(shè)計與制造，2002,9(5):94-95.TaubJM.Effectsofhabitualvariationsinnappingonpsychomotorperformancememoryandsubjectivestates[J],InternationalJournalofNeuroscience,2006,7(3):97-112.TuabJM,TanguaryPE,RoasRR.Effectsofafternoonnapsonphysiologicalvariables[J],BiologicalPsychology,2007,13(4):191-210.MerrittSL,SchnydersHC.Circadianaspectsofpapillaryunrestreflectingdaytimesleepiness[J],SleepResearchOnline,1999,2(1):773.SaroKL,AshleyCraig.PhysiologiealIndicatorsofDriverFatigue[J],2000RoadSafetyResearch,2000,17(3):34-36.WANGQiong,YANGJing-yu,RENMing-wu,etal.Driverfatiguedetection:asurvey[C]//Procof-tthe6'"WordCongressonIntelligentControlandAutomation.2006:21-23.LALSKL,CRAIGA.Acriticalreviewofthepsychopsiologyofdriverfatigue[J].Biologic-alPsychology,2001,55(3):173-194.楊海燕，蔣新華，聶作先.駕駛員疲勞檢測技術(shù)研究綜述J].計算機應(yīng)用研究，2010,5.崔巖，謝斌，張俊，毛恩榮.汽車駕駛?cè)似诒O(jiān)測及預(yù)警裝置研究現(xiàn)狀[[J].中國科技論文在線.孫偉，張為公，張小瑞，陳剛.疲勞駕駛預(yù)警系統(tǒng)的研究進展J].汽車電器，2009,1.崔麗英.簡明肌電圖學手冊[M].北京:科學出版社，2006.6.ViolaP,JonesM.RapidObjectDetectionUsingaBoostedCascadeofSimpleFeatures.IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition(CVPR),ISSN:1063-6919,Vol.1,pp.511-518,December2001.PaulViola,MichaelJones.RobustReal-TimeFaceDetection.InternationalJournalofComputerVision.57(2):137-154,2004.YoavFreund,RobertE,Schapire.A.ShortIntroductiontoBoosting.JournalofJapaneseSocietyforArtificialIntelligence.l4(5):771-780,September,1999.RainerLienhart,JochenMaydt.AnExtendedSetofHaar-likeFeaturesforRapidObjectDetection.IEEEICIP,2002一Citeseer.R.Chellappa,C.L.Wilson,S.Sirohey.Humanandmachinerecognitionoffaces:Asurvey.Proc,IEEE,vo1.83,1995:705-741.Copilotsystem./research-projectsedetail.html?projectid=435&menu_id=261.Awakesystem../system.html.ResearchonVehicle-BasedDriverStatus/PerformanceMonitoring.DOTHS-1996-.ValiantL.Atheoryoflearnability.CommunicationoftheACM.1984,27.KearnsM,ValiantLG.LearningBooleanFormulateorFactoringTechnicalReportTR-1488,Cambridge,MA:HavardUniversityAikenComputationLaboratory,1988.FHWA.Eye-activitymeasuresoffatigueandnappingasafatiguecountermeasure.TechnicalReportNo.MC-99-.028,1999.FHWA.PERCLOS:AValidphysiologicalMeasureofAlertnessAsAssessedbyPsychomotorVigilance.OFFICEOFMOTORCARRIERS,1998.ChowG,LiX.TowardsAsystemforAutomaticFacialFeatureDetention.PatternRecognition.l993.26(12):1739-175.S.Li,L.Zhu,ZQZhang,A.BIake,HJZhang,H.Shum.Statisticallearningofmulti-viewfacedetection.InProceedingsofthe7thEuropeanConferenceonComputerVision.CopenhagenDenmark.IEEEComputerSociety,2002.陸宗駭｝-.C/C++圖像處理編程.北京:清華大學出版社，2005.高永欣.淺談駕駛員疲勞對行車安全的影響.鐵道技術(shù)監(jiān)督.1998(S):27一29.鄭培.基于PERCLOS