首页> 正文

信息融合技术在嵌入式驾驶疲劳检测中的应用研究

2020-12-13阅读(532)

信息融合技术在嵌入式驾驶疲劳检测中的应用研究

论文摘要

道路交通事故频繁发生,给人们造成了严重的人身伤害和经济损失。据统计,驾驶员的疲劳驾驶是造成道路交通事故的一个重要原因,驾驶疲劳问题也已引起了全世界的关注。因此有效地对驾驶疲劳进行实时检测和预防,对减少因驾驶疲劳引起的道路交通事故,有十分重要的意义。由于嵌入式系统具有易于部署、方便可靠、低功耗的特点,嵌入式驾驶疲劳检测系统已经成为研究驾驶疲劳检测系统的主要方向。本文对国内外驾驶疲劳检测技术进行了研究和总结,针对单一的基于数字图像处理的驾驶疲劳特征检测方法的局限性,提出基于卫星定位信息和非图像的多种驾驶疲劳特征信息检测,结合使用模糊理论和人工神经网络对多种驾驶疲劳特征信息进行融合检测判断,最后经过实验验证了其有效性。本文的主要工作和成果如下:（1）对信息融合技术的基本原理及其功能结构模型进行了研究和总结,对常用的信息融合算法的特点及应用情况进行了分析和比较,提出了实际应用中融合算法选择需要考虑的问题。（2）通过对疲劳的评价方法和驾驶疲劳的评价方法的研究,重点比较了基于视觉的驾驶疲劳评价方法和基于车辆行为特征的评价方法,并对驾驶时间和驾驶路段对驾驶疲劳产生的影响进行了研究,针对视觉方法的缺陷,提出了基于驾驶时间、驾驶路段和车辆行为特征的驾驶疲劳的综合评价方法。（3）对驾驶时段和驾驶路段信息的提取进行了研究,提出了一种结合卫星定位信息与电子地图提取驾驶时段与驾驶路段信息的方法,并详细阐述了从GPS（Global Positioning System）信息中提取实时时间和位置信息的实现过程。（4）对车辆变向与驾驶员反应不一致情况、方向盘动作状态和连续驾驶时间与驾驶疲劳的相应关系进行了研究,并从车辆行为中提取出三种新的特征参数车辆变向与驾驶员反应不一致比例（Inconsistent percentage of direction changing and driver reaction, DC&DR）、方向盘持续不动时间比例（Continuous fixed time percentage of steering wheel, CPSW）和连续驾驶时间比例（Percentage of continuous driving time, PCDT）作为融合参数进行综合判断。（5）提出了一种在驾驶疲劳检测中应用TS（Takagi-Sugeno）模糊神经网络技术融合多种疲劳特征的新检测方法。从GPS信息中提取时间信息和位置信息,结合电子地图获得路段信息,并从驾驶行为和车辆行为中提取出DC&DR、CPSW和PCDT值,然后通过TS模糊神经网络融合这几种疲劳特征参数求得综合疲劳值,再将求得的疲劳值与PVT（Psychomotor Vigilance Task）测试的量化值进行对比评价,并进行等级评定。最后通过仿真实验验证了该方法具有一定的有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题研究背景及意义
  • 1.2 驾驶疲劳检测研究现状
  • 1.2.1 国外驾驶疲劳检测研究现状
  • 1.2.2 国内驾驶疲劳检测研究现状
  • 1.2.3 驾驶疲劳检测技术的发展趋势
  • 1.3 国内外信息融合理论的历史与研究现状
  • 1.4 本文章节安排及主要研究内容
  • 第2章 信息融合技术的研究
  • 2.1 信息融合的概念
  • 2.2 信息融合的基本原理及优势
  • 2.2.1 信息融合的基本原理
  • 2.2.2 信息融合的优势
  • 2.3 信息融合系统的模型
  • 2.4 信息融合算法
  • 2.5 本章小结
  • 第3章 驾驶疲劳评价方法的研究
  • 3.1 疲劳的定义及其评价方法
  • 3.2 驾驶疲劳及其原因分析
  • 3.2.1 驾驶疲劳的定义
  • 3.2.2 驾驶疲劳的原因分析
  • 3.3 驾驶疲劳评价方法
  • 3.4 基于车辆行为特征的驾驶疲劳评价方法
  • 3.5 不同驾驶时段与路段驾驶员的反应
  • 3.5.1 不同驾驶时段驾驶员的反应
  • 3.5.2 不同驾驶路段驾驶员的反应
  • 3.6 驾驶疲劳综合评价方法
  • 3.7 本章小结
  • 第4章 驾驶疲劳特征参数的提取
  • 4.1 基于卫星定位信息的驾驶疲劳参数的提取
  • 4.1.1 卫星定位信息的获取
  • 4.1.2 实时时间和路段信息的提取
  • 4.1.3 基于GPS 定位信息的时段与路段分类
  • 4.2 车辆变向与驾驶员反应不一致参数的提取
  • 4.2.1 车辆变向的判断
  • 4.2.2 驾驶员操作状态的提取
  • 4.2.3 车辆变向与驾驶员反应不一致状态
  • 4.3 方向盘动作状态的提取
  • 4.4 连续驾驶时间的提取
  • 4.5 本章小结
  • 第5章 模糊神经网络在驾驶疲劳检测中的应用
  • 5.1 驾驶疲劳检测参数的选择
  • 5.2 疲劳度的量化
  • 5.3 TS 模糊神经网络的设计
  • 5.4 模糊神经网络学习算法
  • 5.5 驾驶疲劳检测算法实验仿真及分析
  • 5.6 本章小结
  • 第6章 总结和展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间参加的科研项目和成果

    • 相关论文文献

    • [1].假期出行 “拼车”有窍门[J]. 汽车与安全 2016(09)
    • [2].驾驶疲劳的理论分类及影响因素[J]. 决策探索(下半月) 2017(08)
    • [3].夏季驾驶疲劳的危害及预防对策[J]. 道路交通管理 2016(09)
    • [4].鲜花妙用也养生[J]. 家庭医学 2016(10)
    • [5].不同风格音乐对驾驶疲劳缓解实验[J]. 明日风尚 2017(01)
    • [6].驾驶疲劳测量方法研究综述[J]. 人类工效学 2018(02)
    • [7].驾驶疲劳检测系统的研究与设计[J]. 长春大学学报 2017(10)
    • [8].农机驾驶疲劳的原因及预防[J]. 农业开发与装备 2012(06)
    • [9].驾驶疲劳的产生原因与防范措施[J]. 汽车运用 2010(07)
    • [10].基于脑电信号的驾驶疲劳预报关键参数选取[J]. 北京工业大学学报 2010(07)
    • [11].缓解驾驶疲劳六法[J]. 汽车运用 2009(01)
    • [12].农机驾驶疲劳的原因及预防[J]. 农机使用与维修 2009(02)
    • [13].农机驾驶疲劳的原因及预防[J]. 现代化农业 2008(02)
    • [14].基于生理信号的驾驶疲劳分级检测研究[J]. 重庆交通大学学报(自然科学版) 2017(01)
    • [15].减轻驾驶疲劳的方法[J]. 驾驶园 2011(03)
    • [16].超特长公路隧道驾驶疲劳致因及检测技术进展[J]. 现代隧道技术 2019(S2)
    • [17].基于支持向量机的驾驶疲劳检测研究[J]. 数字制造科学 2019(02)
    • [18].基于深度置信网络和生成模型的驾驶疲劳识别[J]. 湘潭大学自然科学学报 2015(03)
    • [19].多源信息融合在驾驶疲劳检测中的应用[J]. 计算机应用与软件 2012(02)
    • [20].基于脑电分析的驾驶疲劳预报研究[J]. 人类工效学 2009(04)
    • [21].基于多生理信息及迁移学习的驾驶疲劳评估[J]. 仪器仪表学报 2018(10)
    • [22].山区高速公路抗驾驶疲劳的景观设计[J]. 智能城市 2017(03)
    • [23].基于马尔科夫过程的驾驶疲劳监测装置效能分析[J]. 北京工业大学学报 2013(11)
    • [24].刍议驾驶疲劳及预防[J]. 驾驶园 2009(04)
    • [25].浅谈农机事故的潜在因素——驾驶疲劳[J]. 农业机械 2008(33)
    • [26].大众安全路第三集：疲劳驾驶猛于虎[J]. 汽车与安全 2008(04)
    • [27].基于熵权法的驾驶疲劳量化[J]. 华南理工大学学报(自然科学版) 2017(08)
    • [28].草原公路短时程驾驶疲劳程度多指标划分研究[J]. 中国安全科学学报 2016(08)
    • [29].一种应用语音多特征检测驾驶疲劳的方法[J]. 仪器仪表学报 2013(10)
    • [30].基于驾驶员反应时间的驾驶疲劳量化[J]. 吉林大学学报(工学版) 2020(03)

    标签：;  ;  

    信息融合技术在嵌入式驾驶疲劳检测中的应用研究
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5