基于多生理信号融合的疲劳驾驶检测研究

作者：龚淑娟; 赵永翔^*; 黄德明

来源：安全与环境学报, 2023, 23(11): 4002-4012.

DOI：10.13637/j.issn.1009-6094.2022.1792

• 安全工程
• 疲劳驾驶
• 生理指标
• 多特征融合
• 隐含马尔科夫模型
• 疲劳分级

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。

• 单位
  福州大学; 泉州经贸职业技术学院