王磊宇,武淑紅,李海芳

(太原理工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,太原 030024)

基于眼部行為的駕駛疲勞評價指標(biāo)研究

王磊宇,武淑紅,李海芳

(太原理工大學(xué) 計算機科學(xué)與技術(shù)學(xué)院,太原 030024)

通過對駕駛員眼睛生理特征的監(jiān)測來判斷駕駛員的疲勞狀況是當(dāng)前疲勞評判研究的熱點之一?；谘鄄啃袨橹笜?biāo)來進(jìn)行駕駛疲勞監(jiān)測研究,分析駕駛過程中駕駛員眼動的瞳孔直徑、眨眼時間均值的變化規(guī)律。在原有的眨眼時間均值指標(biāo)的基礎(chǔ)上,提出瞳孔直徑包絡(luò)值指標(biāo),并與原有的眨眼時間均值指標(biāo)進(jìn)行實驗驗證分析。結(jié)果表明,瞳孔直徑包絡(luò)值指標(biāo)可以有效地用于客觀評價駕駛員的疲勞程度。

眼部行為;瞳孔直徑;駕駛疲勞;瞳孔直徑包絡(luò)值

隨著疲勞駕駛成為造成道路交通傷害的主要原因之一,研究開發(fā)高性能的駕駛員疲勞狀態(tài)實時監(jiān)測及預(yù)警技術(shù)具有重要的理論意義和應(yīng)用價值[1]。

針對駕駛疲勞監(jiān)測技術(shù)的研究主要包括駕駛員腦電、心電、眼動、頭部運動、方向盤運動、車輛行駛軌跡等監(jiān)測技術(shù)[2-3]。由于在駕駛過程中,70%左右的信息是通過眼睛獲取再加工的,因此,眼動檢測成為研究熱點之一。目前,眼動檢測有兩種方法,一是利用前置攝像頭對駕駛員的眼睛特征進(jìn)行實時跟蹤,但由于前置攝像頭易受到外部光線的影響導(dǎo)致圖像模糊,使其市場化[4]有一定難度。另一種方法是利用眼動儀記錄人在處理視覺信息時的眼動軌跡特征,隨著眼動儀向智能化、系列化、便攜化方向的發(fā)展,如今已經(jīng)成為研究疲勞駕駛中眼部行為特征的重要手段[5-6]。

潘曉東等人將時間段內(nèi)眨眼次數(shù)、閉眼總持續(xù)時間和眨眼時間均值3類眼部行為指標(biāo)應(yīng)用于實際駕駛疲勞監(jiān)測,確定眨眼時間均值是三者中較優(yōu)的指標(biāo)[12]。雖然眨眼時間均值可以作為觀測駕駛員覺醒狀態(tài)的評定標(biāo)準(zhǔn),但是被試者的生理特征存在差異性,不同被試者的眨眼時間均值存在一定的差別,需要對不同的駕駛員群體進(jìn)行研究獲取更為準(zhǔn)確的評價駕駛覺醒狀態(tài)的閾值指標(biāo)。

本文利用眼動儀采集疲勞駕駛相關(guān)數(shù)據(jù),在對駕駛過程中多種眼部行為研究的基礎(chǔ)上,對瞳孔直徑波動這一眼部行為進(jìn)行分析研究,提出瞳孔直徑包絡(luò)閾值指標(biāo),并通過實驗驗證其有效性。

1 瞳孔直徑包絡(luò)指標(biāo)

1.1 瞳孔直徑包絡(luò)

瞳孔的運動主要是指瞳孔直徑的變化。當(dāng)一個人精力充沛時,瞳孔直徑較大,隨著疲勞的增加,瞳孔直徑逐漸減小,當(dāng)人處于昏睡狀態(tài)時,瞳孔直徑最小[7-8]。

圖1 駕駛?cè)送字睆阶兓€

圖1是駕駛?cè)嗽谝欢螘r間內(nèi)瞳孔直徑的變化情況,研究得知,瞳孔直徑的變化與其駕駛?cè)说钠诔潭扔嘘P(guān)。曲線的包絡(luò)能夠反映信號的變化情況,對其瞳孔直徑變化曲線進(jìn)行包絡(luò)線的提取,實現(xiàn)對瞳孔直徑數(shù)據(jù)的降維,方便進(jìn)一步的研究。

1.2 瞳孔直徑包絡(luò)

A:F(x,y,c)=0 .

(1)

包絡(luò)定義如下:對于給定的一個單參數(shù)曲線族其中c∈I?R為參數(shù)。若存在一條曲線a,滿足下列條件:

1) 對于a?{A}c∈1;

2) 對任意的(x0,y0)∈a,存在唯一的c0∈I,使得(x0,y0)∈A0且a與A0在(x0,y0)有相同的切線,則稱a為曲線族A:F(x,y,c)=0的一條包絡(luò)線,簡稱為包絡(luò)。

瞳孔直徑數(shù)據(jù)包絡(luò)提取步驟如下:

a.獲取相關(guān)區(qū)域的數(shù)據(jù);

b.進(jìn)一步取均值處理,得到相關(guān)區(qū)域的瞳孔直徑均值;

c.對其數(shù)據(jù)取極值;

d.相鄰極值點取差值;

e.得到瞳孔直徑包絡(luò)值。

設(shè)定相關(guān)參數(shù)值,假設(shè):

Di為瞳孔直徑變化曲線中提取所得到的極值點(極大值點與極小值點);

Di+1-Di,Di-Di+1為兩兩極值點之間的差值表示瞳孔直徑的波動值;

瞳孔直徑包絡(luò)值P=|Di+1-Di|,其最大值為Pmax;

疲勞系數(shù)

(2)

Pi值為0到1,為1時表示瞳孔直徑變化波動最明顯。

代碼如下:

Start

//調(diào)用初始化函數(shù),初始化參數(shù)及環(huán)境變量

Init();

//調(diào)用discriminating_selector()相關(guān)區(qū)域選取器

Filter_data=discriminating_selector(original data);

//利用均值處理子函數(shù)處理選取結(jié)果

Get mean value from mean_processing(Filter_data);

//調(diào)用包括提取方法獲得包絡(luò)值

Get envelope value from Envelope extractor(mean value);

End

2 包絡(luò)指標(biāo)采集及分析

2.1 瞳孔直徑數(shù)據(jù)采集和預(yù)處理

數(shù)據(jù)采集在采用2013版墨泥模擬駕駛軟件的虛擬駕駛實驗平臺上進(jìn)行的,眼部行為數(shù)據(jù)使用德國SMI公司的ETG眼鏡式眼動追蹤系統(tǒng)。被試者均為有午休習(xí)慣且前一晚有良好睡眠的青年學(xué)生,6男2女,身體健康無睡眠相關(guān)疾病,具有駕駛經(jīng)驗。為了更為接近真實駕駛員的駕駛行為,被試者在實驗前一周進(jìn)行模擬駕駛訓(xùn)練。考慮到人的睡眠受人的生理節(jié)律的影響,一般來說,午夜到清晨之間和白天中午2個時間段是有正常睡眠習(xí)慣的人想打瞌睡的時間。午餐后均有疲勞感增加,加上有午睡習(xí)慣,容易出現(xiàn)疲勞瞌睡狀態(tài)。所以實驗在陽光充裕的實驗室進(jìn)行。實驗時間為下午12:30—16:00 之間同時由實驗人員進(jìn)行主觀監(jiān)測并記錄被試的精神狀態(tài)[9-10]。

采集被試者的眼動數(shù)據(jù),選取其中的數(shù)據(jù)并將其編號(1-8)。對采集到的數(shù)據(jù)進(jìn)行整理,獲得被試者的瞳孔直徑數(shù)據(jù),并且整理眨眼持續(xù)時間數(shù)據(jù),用來作為實驗對照數(shù)據(jù)。

2.2 瞳孔直徑包絡(luò)提取

在整理駕駛?cè)送字睆綌?shù)據(jù)的基礎(chǔ)上,經(jīng)過瞳孔直徑包絡(luò)提取過程得到駕駛?cè)说耐字睆桨j(luò)線變化曲線,如圖2所示，8名被試在駕駛開始至15 min左右的瞳孔直徑包絡(luò)值變化曲線。

圖2 瞳孔直徑包絡(luò)值變化曲線

由圖2可知,不同精神狀態(tài)的被試的瞳孔直徑包絡(luò)值變化不同,隨著駕駛時間的增加,駕駛?cè)说耐字睆桨j(luò)值有著明顯的變化趨勢。

對實驗數(shù)據(jù)進(jìn)行處理得到被試7的P數(shù)據(jù)。每隔10 min作為一組數(shù)據(jù),獲得被試者在連續(xù)70 min駕駛過程中的7組P數(shù)據(jù)。利用多配對樣本檢驗分析不同時間段的P值是否存在顯著差異。如表1(p<0.05)。

表1 檢驗統(tǒng)計量(Friedman檢驗)

上圖給出了Friedman檢驗相關(guān)的檢驗統(tǒng)計量。從表中可以看出,p值小于顯著水平0.05,故拒絕原假設(shè),認(rèn)為其p值在不同精神狀態(tài)的駕駛過程中存在顯著差異,可以作為評判精神狀態(tài)是否疲勞的一種指標(biāo)。

2.3 瞳孔直徑包絡(luò)閾值指標(biāo)

結(jié)合瞳孔直徑包絡(luò)值的變化規(guī)律,本文采用k-均值聚類的方法對其瞳孔直徑包絡(luò)數(shù)據(jù)進(jìn)行聚類,并對聚類結(jié)果進(jìn)行分析。

為驗證其閾值的有效性,對被試1-8的左瞳孔直徑包絡(luò)數(shù)據(jù)進(jìn)行相同的聚類分析。數(shù)據(jù)結(jié)果顯示如表2所示。

表2 瞳孔直徑包絡(luò)閾值變化情況

如上表所示,本文選取其平均值作為閾值。取得疲勞系數(shù)Pi=0.58,認(rèn)為當(dāng)被試的瞳孔直徑包絡(luò)值P>0.58Pmax時,表示被試者出現(xiàn)一定程度的疲勞狀態(tài)。

2.4 指標(biāo)分析

2.4.1 眨眼時間均值指標(biāo)

眨眼持續(xù)時間是指眼睛一次完全睜開到下一次完全睜開所經(jīng)歷的時間。研究得知,眨眼時間均值指標(biāo)可以作為駕駛?cè)司駹顟B(tài)的評定標(biāo)準(zhǔn)。本文選取眨眼時間均值指標(biāo)作為對照指標(biāo)。

被試者的精神狀態(tài)一般分為3種:精力充沛、臨界狀態(tài)及疲勞狀態(tài)。臨界狀態(tài)表示被試者有輕微的疲勞感但仍處于精力正常狀態(tài)。文獻(xiàn)[11]給出了獲取眨眼時間均值指標(biāo)和精神狀態(tài)之間的對應(yīng)關(guān)系,如表3所示。

表3 不同精神狀態(tài)下,眨眼時間均值指標(biāo)的閾值參數(shù)

2.4.2 結(jié)果分析

選取被試1-8的右瞳孔直徑包絡(luò)數(shù)據(jù)和眨眼持續(xù)時間數(shù)據(jù)進(jìn)行實驗驗證,以k-均值聚類的結(jié)果作為標(biāo)準(zhǔn),比較分別由P閾值指標(biāo)和眨眼均值指標(biāo)得到的分類結(jié)果與標(biāo)準(zhǔn)結(jié)果之間的差異程度。在不同的狀態(tài)下,眨眼時間均值與瞳孔直徑包絡(luò)兩指標(biāo)的判別準(zhǔn)確率對照如圖3-5所示。

圖3 精力充沛狀態(tài)下，兩指標(biāo)對駕駛?cè)似诔潭扰袛鄿?zhǔn)確率示意圖

在判別精力充沛與否的情況下,眨眼時間均值與瞳孔直徑包絡(luò)值指標(biāo)均有較高的判別準(zhǔn)確率,且瞳孔直徑包絡(luò)值指標(biāo)較穩(wěn)定且準(zhǔn)確率平均在95%以上。

圖4 臨界狀態(tài)下，兩指標(biāo)對駕駛?cè)似诔潭扰袛鄿?zhǔn)確率示意圖

在識別被試是否處于疲勞與否的臨界狀態(tài)情況下,兩指標(biāo)均保持較高的準(zhǔn)確率,且瞳孔直徑包絡(luò)值指標(biāo)準(zhǔn)確率較高。

圖5 疲勞狀態(tài)下，兩指標(biāo)對駕駛?cè)似诔潭扰袛鄿?zhǔn)確率示意圖

在識別是否處于疲勞狀態(tài)情況下,由于被試個體差異的特性,眨眼時間均值準(zhǔn)確率會出現(xiàn)一定的誤差;但是瞳孔直徑包絡(luò)值受個體差異影響較小,仍有很高的準(zhǔn)確率。

3 結(jié)論

通過上述實驗數(shù)據(jù)的分析得知,與現(xiàn)有的眨眼時間均值相比,瞳孔直徑包絡(luò)值同樣可以準(zhǔn)確有效的判斷被試者在模擬駕駛中的精神狀態(tài),并且不同的駕駛?cè)说恼Ｑ哿?xí)慣不同,眨眼時間均值這一指標(biāo)與被試者個體差異性有很大關(guān)系。但是在實驗數(shù)據(jù)分析中發(fā)現(xiàn)瞳孔直徑包絡(luò)閾值均未受被試者個體差異影響，可以作為一種有效地評判駕駛?cè)似诔潭鹊男轮笜?biāo)。

本實驗樣本數(shù)較少,且年齡集中在22～30歲之間,接下的工作需要大量的實驗樣本去驗證瞳孔直徑包絡(luò)閾值受個體差異的影響程度。

[1] 段蕾蕾,吳春眉,鄧 曉，等.2006-2008年中國道路交通傷害狀況分析[J].公共衛(wèi)生與預(yù)防醫(yī)學(xué),2010,21(3):10-13.

[2] Lal S K L,Craig A.A critical review of the psychophysiology of driver fatigue[J].Biological Psychology,2001,55(3):173-194.

[3] Zhang C,Wang H,Fu R.Automated detection of driver fatigue based on entropy and complexity measures[J].Intelligent Transportation Systems,2014,15(1):168V177.

[4] 宋立新,于伏亮.基于DSP的駕駛員疲勞檢測系統(tǒng)[J].計算機工程與設(shè)計,2012,33(2):519-522.

[5] 許士麗.基于生理信號的駕駛疲勞判別方法研究[D].北京:北京工業(yè)大學(xué),2012.

[6] Lee B G,Chung W Y.Driver alertness monitoring using fusion of facial features and bio-signals[J].Sensors Journal IEEE,2012,12(7):2416-2422.

[7] 李志春,何 仁,林謀有,等.駕駛員疲勞檢測技術(shù)的研究現(xiàn)狀及發(fā)展趨勢[J].農(nóng)機化研究,2006(5):197-199.

[8] 馬錦飛,常若松,高 遠(yuǎn).瞳孔直徑大小檢測駕駛員疲勞的實證效度分析[J].遼寧師范大學(xué)學(xué)報:社會科學(xué)版,2014,37(1):67-70.

[9] 毋妙麗.虛擬駕駛平臺綜合征的個體適應(yīng)性研究[J].實驗科學(xué)與技術(shù),2013,11(5):9-12.

[10] 汪 磊,孫瑞山.基于面部特征識別的管制員疲勞監(jiān)測方法研究[J].中國安全科學(xué)學(xué)報,2012,22(7):66-71.

[11] 潘曉東,李君羨,徐小冬.基于眼部行為的駕駛疲勞評價指標(biāo)的閾值[J].同濟(jì)大學(xué)學(xué)報:自然科學(xué)版,2011,39(12):1811-1815.

[12] 曹海燕,方志輝,李曉明.疲勞駕駛狀態(tài)數(shù)據(jù)融合技術(shù)研究[J].太原理工大學(xué)學(xué)報,2012,42(6):576-579.

(編輯：賈麗紅)

Research on Driver Fatigue Evaluation Based on Eye Behaviors

WANG Leiyu,WU Shuhong,LI Haifang

(CollegeofComputerScienceandTechnology,TaiyuanUniversityofTechnology,Taiyuan030024,China)

The determination of the status of the driver fatigue by detecting the physiological characteristics of the driver’s eyes is one of the hot-spots of fatigue evaluation studies.With eye behavioral indicators for driving fatigue monitoring,the driver’s pupil diameter changes and the variation of the average of blink time during the process of driving were analyzed.On the basis of original indicators (the average of blink time),pupil diameter envelope indicators were proposed and experimentally validatled.The results show that the driver’s pupil diameter envelope indicator can be effectively used to objectively evaluate the degree of fatigue.

eye behavioral;pupil diameter;driver fatigue;pupil diameter envelope

1007-9432(2015)04-0440-04

2014-12-20

國家自然科學(xué)基金資助項目:抑郁癥EEG功能腦網(wǎng)絡(luò)構(gòu)建及異常特征分析研究(61472270)

王磊宇(1989-),男,山西應(yīng)縣人,碩士生,主要從事人工智能研究,(E-mail)930789281@qq.com,(Tel)18636217702

李海芳(1963-),女,教授，博士生導(dǎo)師,(E-mail)930789281@qq.com

TP301

A

10.16355/j.cnki.issn1007-9432tyut.2015.04.015