基于脑电信号的驾驶人警觉度状态评估模型的初步设计本科生毕业论文.docx
《基于脑电信号的驾驶人警觉度状态评估模型的初步设计本科生毕业论文.docx》由会员分享,可在线阅读,更多相关《基于脑电信号的驾驶人警觉度状态评估模型的初步设计本科生毕业论文.docx(50页珍藏版)》请在三一文库上搜索。
1、 本科生毕业论文(设计)中文题目:基于脑电信号的驾驶人警觉度状态评估模型的初步设计英文题目:A Tentative Design of EEG-based Driver Vigilance State Detection Model 学生姓名 王向林 班级 441002 学号 44100212 学 院 交通学院 专 业 交通运输类(汽车运用工程) 指导教师 金立生 职称 教 授 1吉林大学学士学位论文(设计)承诺书 本人郑重承诺:所呈交的学士学位毕业论文(设计),是本人在指导教师的指导下,独立进行实验、设计、调研等工作基础上取得的成果。除文中已经注明引用的内容外,本论文(设计)不包含任何其他个
2、人或集体已经发表或撰写的作品成果。对本人实验或设计中做出重要贡献的个人或集体,均已在文中以明确的方式注明。本人完全意识到本承诺书的法律结果由本人承担。 学士学位论文(设计)作者签名: 年 月 日1摘要摘 要驾驶疲劳是引发交通事故的所有人为因素中最主要的一个因素,判断驾驶人疲劳程度最常用的方法就是判断驾驶人集中精力执行驾驶任务时所表现出的灵敏程度,也就驾驶人的警觉度状态。对驾驶人警觉度状态进行监测,避免驾驶人疲劳驾驶的发生,是车辆辅助安全驾驶技术的一个重要环节,对解决交通安全问题具有重要的现实意义。本论文分析了基于脑电信号的驾驶人警觉度状态评估模型在设计上的主要问题以及解决各个主要问题的具体方法
3、,提出了评估模型的初步设计方案。并设计了驾驶人脑电警觉度实验,提出了在实验中对被试进行警觉度标注的方法,并基于LabVIEW完成了对实验设备Neurosky公司的Mindwave Mobile脑电波传感器的软件支持。最后,本论文提出了实验数据的处理方案,并对本论文提出的初步模型的部分性能进行了测试。关键词:脑电信号,驾驶人,警觉度,频谱分析,LabVIEW iiiABSTRACTAbstractThe fatigue of drivers is the main factor among all the human factors which cause road accidents. A p
4、opular way to distinguish driver drowsiness is to detect drivers vigilance state, which represent the alertness that drivers show when they are driving. The detection of drivers vigilance state is an important part of driver assist security technology and has a profound practical significance. This
5、thesis discusses the main problems in the design of EEG-based driver vigilance state detection model, and analyses the methods to solve these problems. Then it come up with a tentative design of EEG-based driver vigilance state detection model. The thesis also design a driver EEG-vigilance state exp
6、eriment, develop a method to annotate the vigilance state of subjects in this experiment. In order to have a better usage of the EEG sensor Mindwave Mobile from Neurosky Company, this thesis develops programs based on LabVIEW as the software support of the hardware. Last, the thesis analyses the way
7、 to process the data from the experiment, and show the result of the test on part of the performance of the tentative model.Key words: EEG, drivers, vigilance state, spectral analysis, LabVIEW 目 录目 录摘 要IAbstractII第1章 绪论11.1 研究背景及意义11.2 国内外研究现状41.3 基于脑电信号的驾驶人警觉度状态分析概述81.3.1 驾驶人警觉度状态与驾驶安全性81.3.2 脑电信号简
8、介81.3.3 脑电信号与警觉度的关系91.3.4 基于脑电信号的驾驶人警觉度状态评估模型的设计流程和关键问题101.4 本论文的研究目的、主要研究内容和内容安排111.4.1 本论文的研究目的和主要研究内容111.4.2 论文安排12第2章 评估模型的初步设计142.1 脑电信号降噪、去伪迹预处理142.1.1 脑电信号中主要噪音、伪迹信号的分类与特点142.1.2现有滤除肌电信号与眼电信号的方法152.1.3 独立成分分析(ICA)技术在脑电去伪迹中的使用162.1.4经验模态分解(EMD)在脑电去伪迹中的应用182.2 脑电特征的提取192.2.1时序特征202.2.2 频谱特征202.
9、3 脑电特征的过滤222.4警觉度状态的估计222.5 警觉度状态评估模型的初步设计23第3章 驾驶人脑电警觉度实验的设计243.1 实验设备及其使用介绍243.1.1 脑波传感器Mindwave Mobile243.1.2 国际脑电图学会标准电极放置法10/20系统电极放置法253.1.3 Mindwave Mobile脑电探测电极放置说明253.1.4 LabVIEW介绍263.1.5 LabVIEW的Neurosky driver介绍273.1.6 驾驶人脑电采集与记录系统开发273.1.7 驾驶人警觉度状态标注系统开发293.2 实验过程32第4章 实验数据处理334.1 实验数据的预
10、处理334.1.1 脑电输出数据的优化334.1.2 警觉度标注数据的获取354.2 实验结果364.3 模型的部分性能测试37第5章 总结与展望395.1 论文主要工作与创新点395.1.1 主要工作395.1.2 论文创新点395.2工作展望40参 考 文 献1致谢1第1章 绪论第1章 绪论1.1 研究背景及意义2005年至2011年,我国交通事故死亡人数平均每年约为9万人,交通事故总量巨大,伤亡严重,交通安全形势不容乐观!随着人类社会的不断进步,工业与经济的不断发展,全球汽车的数量也在急剧增加。汽车数量的急剧增长在中国更为明显,从2003年到2013年的10年间,我国汽车保有量从2400
11、万量增长到1.37亿辆,增加了1100多万辆。我国汽车保有量占了世界汽车保有量的约1.5%,而交通事故死亡人数却占世界总数的8%以上。按照汽车保有量的道路交通事故相对死亡率评价标准,我国的交通事故死亡率远远高于世界平均水平。年份事故次数直接损失(亿元)死亡人数受伤人数200545025418.898738469911200637878114.98945543113920073272091281649380442200826520410.17348430491920092383519.16775927512520102195319.365225254075201121081210.8623872
12、37421表1-1 2005年至2011年交通事故统计数据道路交通系统是涉及了人、车、路的复杂的耦合系统,具有四大要素:人车路时间。针对具体的一个事故进行研究分析可以发现:在构成道路交通系统的驾驶人、车辆、道路环境和时间四要素中,人车路三要素之间的不协调是引发交通事故的根本原因1。随着驾驶时间的增长,这种不协调引发交通事故的几率也随之增加。各个要素对交通安全的影响程度不同,尤以人为因素的影响程度最大。图1-1 道路系统结构图驾驶人人为因素是引发道路交通事故的主要原因这一事实已经被世界各国所公认。英国运输与道路实验室指出:驾驶人因素作为唯一因素造成的交通事故约占交通事故总量的65%,与驾驶人有关
13、的因素造成的事故约占交通事故总量的95%2。美国印第安纳大学通过事故现场调查、车辆结构检验和对幸存者访问的方式,完成了大量交通事故原因的调查,调查结果表明:大约94%的交通事故与驾驶人因素有关,驾驶人因素作为唯一直接原因造成的道路交通事故,约占事故总量的57%;且在驾驶人所有错误中,最常见的错误是感知错误,与交通事故的发生最直接的原因是驾驶操作行为不当。我国相关研究显示:驾驶人因素造成的公路交通事故数、死亡人数、受伤人数占总数的90%左右3。而在各种引发交通事故的驾驶人人为因素中,驾驶人的疲劳是最主要的组成部分。在美国的所有致命汽车事故中,57%的事故与驾驶员疲劳有关;英国交通研究实验室认为:
14、疲劳驾驶导致的交通事故占全体交通事故的10%;法国国家事故报告指出:因疲劳驾驶而发生的事故占人身伤亡事故14.9%,占死亡事故的20.6%4。图1-2 疲劳驾驶是引发交通事故最主要的人为因素可见,开发出实时监测驾驶人疲劳的技术,是降低交通事故发生最为直接和有效的方法。这项技术作为车辆辅助安全驾驶技术的一个重要课题,对解决交通安全问题有着重要的现实意义。驾驶人疲劳监测的总体思路就是找出反映驾驶人疲劳程度的因素,并根据这些因素来判断驾驶人的疲劳状态。驾驶人的疲劳程度最常用的方法就是判断驾驶人集中精力执行驾驶任务时所表现出的灵敏程度,也就驾驶人的警觉度状态。目前,警觉度研究主要是基于三个类型的参数:
15、(1)基于生理特征参数,主要是利用皮肤阻抗、体温、血压、脑电和眼电等生理特征进行警觉度状态的估计。(2)基于表情特征参数,主要通过对瞳孔、嘴、鼻等进行精确定位。使用眼睛闭合程度、闭合时间、眨眼频率、点头频率、人脸的朝向、人眼注视方向以及嘴的张开程度等特征,对驾驶人的警觉度进行估计5。(3)基于驾驶行为参数,主要通过车辆的行驶速度,驾驶人对方向盘的握力、对车道的把握、以及对刹车和油门的控制来估计驾驶人的警觉度状态。而在以上所有估计驾驶人警觉度状态的参数中,生理特征参数中的脑电信号因为能更为直接地反映大脑本身的活动,有着更高的时间分辨率,且无法被人为控制或伪装,因此被称为疲劳检测方法中的“金标准”
16、,得到了医学界的广泛认可6。本论文的研究便是通过脑电信号来辨识出驾驶人警觉度状态的好坏,从而实现对驾驶人的实时疲劳程度监测。图1-3 脑电波被称为疲劳检测的“金标准”1.2 国内外研究现状20世纪90年代开始,陆续有科研机构及公司涉足驾驶人警觉度的研究当中。现阶段的驾驶人疲劳监测以视频技术为主,主要是基于驾驶人的眼部特征。其中卡耐基梅隆大学(Carnegie Mellon University)的驾驶研究中心在1994年提出的PERCLOS方法,是其中运用最广泛,受认可程度最高的一种方法。PERCLOS方法通过两个摄像头,利用视网膜对不同波长红外光的反射能力差异来定位视网膜,并以此分析眼睛的大
17、小和位置,判断眼睛的睁闭,由此计算出眼睛闭合度超过80%的时间与眨眼总时间的比率,作为驾驶人疲劳程度的判断依据。2001年,伦斯勒理工大学(Rensselaer Polytechnic Institute)的Qiang Ji对PERCLOS进行了改良,实现了只用一个摄像头便可对视网膜进行定位。同年,卡耐基梅隆大学的机器人研究所推出了Copilot车载疲劳监测系统,利用PERCLOS方法判断疲劳,并克服了驾驶员佩戴眼镜时的反光问题。现在,PERCLOS方法已经被美国联邦公路管理局认定是一种可靠且有效的疲劳检测方法,在车载实时疲劳监测系统中成功得到了广泛的商业应用。由汽车厂商开发出的较为成熟的疲劳
18、监测装置中大多也是采用PERCLOS方法来判断驾驶人是否处于疲劳状态。如图1-4为较常见的基于视频技术的驾驶人疲劳监测系统示意图。图1-4 基于视频技术的驾驶人疲劳监测系统2003年,澳大利亚国立大学与沃尔沃公司合作的Seeing Machines公司推出了FaceLAB系统。这一系统并非采用传统的瞳孔红外线反射技术,而是用一对立体摄像机来测量数据,能够检测到使用者面部的各种特征,包括驾驶人头部姿势、眼睑运动、视线方向、瞳孔直径等,也可作为独立的眼动仪来使用。该系统不仅支持PERCLOS方法来检测疲劳,还可以分析其他眼睑运动特征,使其作为疲劳检测标准。目前该系统已经发展到了第五代,成为了一套成
19、熟的商业化产品。图1-5 第五代的FaceLAB系统2004年,欧盟开展了AWAKE计划,其目标是开发和制定一套驾驶人疲劳监测和预警系统的标准。此计划结合了驾驶人状态和驾驶人行为信息,包括驾驶人眼睑运动、对方向盘握力、对车道把握、以及对刹车和油门的控制等,对疲劳驾驶预警系统的综合设计提供了比较全面的指导性意见。各种生理特征也被陆续应用在驾驶人警觉度状态的检测上。2005年,武汉理工大学毛喆等人对不同精神状态时驾驶员的特异性生理指标进行了分析比较,采集了驾驶模拟器上被测试者连续操作时的心率、皮电、肌电等生理指标,并利用模糊聚类的方法实现驾驶疲劳状态的识别。2006年,日本东京大学金子成彦教授领导
20、的一个研究小组,利用混沌信号分析法,通过分析脉搏信号中某种指数变化从而检测出人进入睡眠前会出现一种前兆信号。基于这一原理,研究小组开发出一款驾驶疲劳监测座椅,座椅上的传感器可以探测出这一脉搏信号中的睡眠前兆信号,从而在驾驶人进入睡眠之前发出警告信号。图1-6 驾驶疲劳监测座椅随着人类对人体生物电认识的深入,出现了基于生物电(主要是脑电EEG和眼电EOG)这一类生理特征的疲劳监测方法。1993年起,加州大学圣地亚哥分校的神经计算学院研究所(Center of the Institute for Neural Computation)便开始了对警觉度与脑电关系的研究,其主要是分析警觉度与脑电频谱特
21、征间的对应关系,以及大脑皮层与警觉度相关脑区放电方式。1998年,日本Niigata University的Kazushi Hyoki教授等人在关于EOG与EEG作为疲劳特征的研究中,分析了EOG的快速眼动特征与EEG的alpha波、beta波的关系,指出疲劳实验中,快速眼动的出现与EEG的alpha波、beta波有正相关关系。2005年起,台湾新竹交通大学脑科学研究中心也对将脑电用于警觉度分析做出了许多研究。他们利用脑电频谱特征,结合模糊神经网络等模式识别算法,进行了一系列的模拟驾驶环境下的警觉度检测系统的研究。2008年,中国北京航天航空大学的胡淑燕与清华大学的郑钢铁公布了他们与欧盟SEN
22、SATION计划的合作研究结果。研究中,他们利用EOG中提取出的11种眼睑特征来作为SVM分类器的输入,以此将驾驶员的疲劳度分为三种不同状态。2009年,澳大利亚的S.Hanke等人在EOG与疲劳的相关关系研究中,对EOG的速度、幅值、低频/高频比(LF/HF)这三个特征进行了测试,结果显示速度和幅值与警觉度的关系并不明显。相对而言,LF/HF是一个最能反映警觉度的特征。图1-7 脑电EEG(左)和眼电EOG(右)的探测2012年,澳大利亚的SmartCap公司推出了一款可监测使用者疲劳程度的帽子SmartCap。该帽子的的内衬有着可以测量脑电波活动情况和穿戴者疲劳程度的防水传感器,当穿戴者的
23、疲劳程度达到一定水平,该帽子便会发出警告声向穿戴者进行提醒。目前该款产品已被运用在矿业、海事、物流等领域。图1-8 基于脑电波特征的疲劳监测帽子SmartCap综上所述,在现阶段使用视频技术的基于驾驶人眼部特征的警觉度监测方法仍然应用最广,其凭借无需接触人体,使用方便等优点,得到了很好的推广。但该技术因为存在易受环境亮度、被试人员头部位置、面部运动以及眼镜影响的问题,警觉度估计精度较低。而在其他警觉度状态检测方法中,基于脑电EEG和眼电EOG的技术能够最为客观、准确地获得驾驶人的警觉度状态,在驾驶疲劳监测领域展现出了巨大的潜力,但现阶段仍有其各自的问题需要解决。因资源和研究时间所限,本论文仅选
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 电信号 驾驶人 警觉 状态 评估 模型 初步设计 本科生 毕业论文
链接地址:https://www.31doc.com/p-3922967.html