腦電波檢測(cè)疲勞駕駛裝置

熊桑桑 王慶興

摘要：通過(guò)大數(shù)據(jù)的查詢資料，我們發(fā)現(xiàn)國(guó)內(nèi)外交通事故很大原因是疲勞駕駛。因此需要對(duì)疲勞駕駛進(jìn)行檢測(cè)，目前一般采用對(duì)駕駛員的行為分析或者對(duì)駕駛員臉部與眼睛特征進(jìn)行圖像分析，兩種方式都不能準(zhǔn)確地監(jiān)測(cè)駕駛員的勞累狀態(tài)。因此本文提出基于腦電波控制疲勞駕駛檢測(cè)，該方法通過(guò)疲勞檢測(cè)和疲勞消除兩個(gè)方面對(duì)駕駛員在行車過(guò)程中出現(xiàn)的疲勞狀態(tài)進(jìn)行監(jiān)控和干預(yù)。我們按照文中所闡述的方法進(jìn)行了實(shí)際調(diào)試，可以有效地檢測(cè)出駕駛員所處的疲勞狀態(tài)。

關(guān)鍵詞：腦電波;疲勞駕駛;疲勞檢測(cè);預(yù)警器

Abstract：Through the query of big data， we found that the major cause of traffic accidents at home and abroad is fatigue driving. Therefore， it is necessary to detect fatigue driving. At present， driver behavior analysis or image analysis of driver's face and eye features are generally used， but both methods can not detect driver's fatigue in time. Therefore， this paper proposes a fatigue driving detection method based on EEG control， which monitors and intervenes the driver's fatigue state in the process of driving through fatigue detection and fatigue elimination.According to the method described in this paper， we have carried out the actual debugging， which can effectively detect the fatigue state of the driver.

Keywords： EEG; fatigue driving; fatigue detection; early warning device

1 引言

通過(guò)大數(shù)據(jù)的查詢，疲勞駕駛對(duì)于交通事故占比非常大，比例達(dá)到40%以上。目前，對(duì)疲勞狀態(tài)多采用腦電信號(hào)和心電信號(hào)來(lái)進(jìn)行評(píng)估，而對(duì)于心電信號(hào)而言，它存在著敏感性不足的問(wèn)題，因此不適合進(jìn)行疲勞狀態(tài)的檢測(cè)。因?yàn)榭梢酝ㄟ^(guò)腦電信號(hào)來(lái)判斷大腦的狀態(tài)。所以我們常采用腦電信號(hào)來(lái)評(píng)價(jià)[1]。對(duì)于駕駛員進(jìn)行腦電波數(shù)據(jù)采集時(shí)，可能會(huì)受到駕駛員微小的動(dòng)作而引起腦電信號(hào)的變化。但是因人而異。同時(shí)對(duì)駕駛員的臉部和眼睛特征進(jìn)行數(shù)據(jù)采集也是疲勞評(píng)估的一個(gè)發(fā)展方向，本篇文章主要采用腦電波來(lái)進(jìn)行疲勞狀態(tài)分析。

這個(gè)腦電波預(yù)警系統(tǒng)可以判斷駕駛員的疲勞狀態(tài)[2]。當(dāng)駕駛員出現(xiàn)疲勞的跡象時(shí)，預(yù)警系統(tǒng)會(huì)有一個(gè)提醒。這個(gè)系統(tǒng)由檢測(cè)和預(yù)警兩部分組成，然后系統(tǒng)通過(guò)監(jiān)測(cè)腦電波的幅度來(lái)判斷駕駛員是否處于疲勞駕駛。如果腦電波幅度值過(guò)高，頻率過(guò)低，系統(tǒng)會(huì)發(fā)出語(yǔ)音和振動(dòng)，來(lái)提醒駕駛員已經(jīng)處于疲勞駕駛狀態(tài)，從而確保駕駛員能夠安全駕車。

2 基于腦電波的疲勞駕駛監(jiān)測(cè)系統(tǒng)

本文基于腦電波的疲勞駕駛檢測(cè)系統(tǒng)，流程圖如圖1所示，首先讓駕駛員戴上頭盔，然后通過(guò)頭盔中的傳感器檢測(cè)駕駛員大腦的活躍程度，來(lái)判斷是否疲勞駕駛，若出現(xiàn)疲勞駕駛進(jìn)行喚醒操作[3]。

2.1腦電波疲勞裝置的設(shè)計(jì)

本文腦電波疲勞駕駛裝置由硬件部分和軟件部分組成。

2.1.1硬件設(shè)計(jì)

硬件構(gòu)成：如圖2所示，是一個(gè)頭盔裝置，主要完成數(shù)據(jù)的采集、結(jié)果的顯示。由傳感器，藍(lán)牙，電源，夾子組成，傳感器：采集腦電波信號(hào)轉(zhuǎn)化為電信號(hào)。LED燈：通過(guò)腦電波的集中與否，用藍(lán)牙傳輸來(lái)控制燈的亮滅[4]。數(shù)據(jù)采集：將采集到的駕駛員腦電波信號(hào)用功率譜的形式顯示出來(lái)。采集模塊中核心部件是Arduino控制模塊。

2.1.2軟件設(shè)計(jì)

軟件部分主要實(shí)現(xiàn)對(duì)采集的腦電波進(jìn)行處理，本文采用對(duì)功率譜密度進(jìn)行計(jì)算，并對(duì)駕駛員行駛途中腦電波的變化規(guī)律和區(qū)間進(jìn)行記錄，分析規(guī)律。

功率譜密度的計(jì)算，我們將收集到的腦電信號(hào)，除去眼部肌肉的干預(yù)后記為A1。然后對(duì)A1進(jìn)行傅里葉變換就可以得到功率譜密度，從而明確當(dāng)前駕駛員的疲勞狀態(tài)[5]。 在FFT頻譜分析當(dāng)中，分辨率受采樣點(diǎn)數(shù)N和采樣頻率[fS]影響[6]，也就是[ΔS=fs/N]。我們所采用的腦波儀的采樣頻率為1000Hz，通過(guò)數(shù)據(jù)處理計(jì)算出A的值，其中n=1，2，3，...，1023。令 [P（n）=AnAn/N]其中N=1024;則計(jì)算結(jié)果P就是估計(jì)出來(lái)的功率譜。

3 儀器調(diào)試及結(jié)果分析

首先讓駕駛員戴上儀器，儀器上的電極可以檢測(cè)駕駛員大腦的活躍程度。然后根據(jù)腦電波信號(hào)強(qiáng)弱，可以判斷駕駛員注意力的強(qiáng)弱[7]。通過(guò)一個(gè)藍(lán)牙模塊將檢測(cè)到的腦電波信號(hào)傳送給另一個(gè)藍(lán)牙模塊，那么這個(gè)藍(lán)牙模塊可以對(duì)腦電波信號(hào)進(jìn)行檢測(cè)，如果信號(hào)過(guò)強(qiáng)，該藍(lán)牙控制的LED燈就會(huì)被點(diǎn)亮，否則，LED燈就保持熄滅狀態(tài)。同時(shí)，當(dāng)駕駛員出現(xiàn)疲勞狀態(tài)時(shí)，核心控制模塊會(huì)對(duì)蜂鳴器發(fā)出指令，讓其工作，發(fā)出刺耳的聲音以達(dá)到讓駕駛員清醒的目的。

通過(guò)調(diào)試我們所設(shè)計(jì)的裝置可以成功地檢測(cè)腦電波的集中與否，并且可以通過(guò)藍(lán)牙傳輸來(lái)控制led燈的亮滅，該裝置具有如下優(yōu)點(diǎn)：（1）利用腦電波轉(zhuǎn)化成電信號(hào)的監(jiān)測(cè)，更加精確快速，并且實(shí)時(shí)檢測(cè)駕駛員的狀態(tài);（2）小組設(shè)計(jì)，方便使用。（后期會(huì)優(yōu)化，與帽子合在一起）;（3）傳感器只能接收到大腦不斷發(fā)送出的腦波而不會(huì)將信號(hào)灌入，另外，腦電波檢測(cè)裝置可以減少（過(guò)濾）無(wú)線信號(hào)的數(shù)量，避免它們自身干擾帶腦電波的記錄。但是仍然不能準(zhǔn)確的確定駕駛員的疲勞與清醒的腦電波的腦波區(qū)間[8]。

4 結(jié)論

腦電波疲勞駕駛檢測(cè)儀結(jié)構(gòu)簡(jiǎn)單，功能多樣，通過(guò)探測(cè)分析駕駛者的腦電波來(lái)判斷駕駛者是否疲勞駕駛，當(dāng)人處于疲勞時(shí)，該裝置可及時(shí)提醒司機(jī)處于疲勞駕駛，從而有效防止司機(jī)在疲勞狀態(tài)下繼續(xù)行駛，因此能避免由疲勞駕駛造成的事故。

這是一種新型技術(shù)，能有效減少汽車出事的發(fā)生。介紹了疲勞駕駛與駕駛員大腦的聯(lián)系，大概地介紹了我們對(duì)這項(xiàng)技術(shù)的成果。疲勞駕駛導(dǎo)致的交通事故的案例非常多，也新出臺(tái)了許多法律條案，可見(jiàn)，讓駕駛員保持清醒顯得異常有必要。我們希望能夠通過(guò)這項(xiàng)技術(shù)，讓交通事故盡可能減少。這就是我們對(duì)于腦電波控制疲勞駕駛裝置的研究。

參考文獻(xiàn)：

[1] 李超，石向榮，黃劍華，基于腦電信號(hào)處理的疲勞駕駛預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 科學(xué)技術(shù)創(chuàng)新，2018.

[2] 杜秀麗，馬振倩，邱少明，呂亞娜，基于卷積注意力機(jī)制的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別[D]. 計(jì)算機(jī)工程與應(yīng)用，2018.

[3] 劉宏馬，王生進(jìn)，基于匹配濾波器和度量學(xué)習(xí)的腦電信號(hào)分類[D]. 清華大學(xué)學(xué)報(bào)（自然科學(xué)版），2018.

[4] 許敏，基于腦波技術(shù)的疲勞駕駛的監(jiān)測(cè)系統(tǒng)研究[D]. 電腦迷，2018.

[5] 楊錦，岳意娥，楊麗莎，一種高經(jīng)濟(jì)性的疲勞駕駛預(yù)警系統(tǒng)設(shè)計(jì)[J].汽車科技，2018（A01）：29-33.

[6] 王恁，周子敬，趙云芃，郭浩，陳俊杰，基于無(wú)線腦電信號(hào)分析的實(shí)時(shí)疲勞駕駛檢測(cè)與預(yù)警研究[D]. 太原理工大學(xué)學(xué)報(bào)研究，2020-11-15.

[7] 秦鵬程，王明年，包逸帆，陳勁宇，嚴(yán)濤.超特長(zhǎng)公路隧道駕駛疲勞致因及檢測(cè)技術(shù)進(jìn)展[J]. 現(xiàn)代隧道技術(shù)，2019（S02）：28-35.

[8] 霍首君，曹銳，基于深度卷積網(wǎng)絡(luò)的運(yùn)動(dòng)想象腦電信號(hào)模式識(shí)別[D]. 計(jì)算機(jī)應(yīng)用，2020-11-09.

【通聯(lián)編輯：王力】