陳瑜 徐軍莉

摘 要：目前眼動(dòng)特征的非接觸式疲勞檢測(cè)方法中采用的眼動(dòng)疲勞指標(biāo)很多。為了比較各眼動(dòng)指標(biāo)的性能，本文采集了7名受試者清醒和疲勞狀態(tài)下的眼動(dòng)數(shù)據(jù)，并從中提取了Per-clos、眨眼時(shí)間均值、瞳孔面積等5個(gè)常用眼動(dòng)特征參數(shù)，分別從顯著性和穩(wěn)定性兩個(gè)方面分析了這5個(gè)眼動(dòng)參數(shù)的變化情況。研究發(fā)現(xiàn)perclos、眨眼均值和瞳孔面積3個(gè)眼動(dòng)指標(biāo)在清醒和疲勞狀態(tài)下變化具有明顯差異，可以作為有效的眼動(dòng)疲勞特征指標(biāo);作為檢測(cè)駕駛疲勞的指標(biāo)，眨眼時(shí)間均值最為穩(wěn)定，其次是瞳孔面積。

關(guān)鍵詞：疲勞駕駛;疲勞指標(biāo);眼動(dòng)特征

目前道路交通安全問題已成為嚴(yán)重的社會(huì)問題，而疲勞駕駛是發(fā)生道路交通事故的重要原因之一[1]。為了減少疲勞駕駛引起的交通事故，很多研究者都已經(jīng)開始了各種疲勞預(yù)警的研究工作，其中基于眼動(dòng)特征的非接觸式疲勞檢測(cè)方法被廣泛采用。在各種眼動(dòng)疲勞特征指標(biāo)中大部分采用的有perclos，瞳孔面積等。為了比較各眼動(dòng)指標(biāo)的性能，本文采集了7名受試者清醒和疲勞狀態(tài)下的眼動(dòng)數(shù)據(jù)，并從中提取了Per-clos、眨眼時(shí)間均值、瞳孔面積等5個(gè)眼動(dòng)特征參數(shù)，分別從顯著性和穩(wěn)定性兩個(gè)方面分析了這5個(gè)眼動(dòng)參數(shù)的變化情況。

1 實(shí)驗(yàn)

本文采用3Y-31D汽車駕駛模擬器作為模擬駕駛實(shí)驗(yàn)平臺(tái)，采用Ergoneers公司的Dikablis頭戴式眼球追蹤儀監(jiān)控駕駛員的視線。駕駛員坐在一個(gè)相對(duì)寬敞封閉的房間中。為了避免因照明引起駕駛員瞳孔面積的變化，房間中的窗簾和燈光都是關(guān)閉的。駕駛員頭戴眼鏡跟蹤儀坐在駕駛座椅上操作駕駛模擬器進(jìn)行駕駛。眼鏡跟蹤儀的另一端通過USB接口連接到筆記本電腦。眼鏡跟蹤儀采集到的眼動(dòng)數(shù)據(jù)和視頻被傳輸?shù)诫娔X中的D-lab軟件，D-lab軟件根據(jù)采集到的數(shù)據(jù)計(jì)算Per-clos和眨眼時(shí)間均值等信息。其中D-Lab軟件的采樣頻率設(shè)為25Hz。實(shí)驗(yàn)場(chǎng)景如右圖所示。

依照實(shí)驗(yàn)要求，選擇了7名具有合法駕照的駕駛?cè)诉M(jìn)行駕駛模擬實(shí)驗(yàn)。受試者年齡均在21～23之間。駕駛模擬實(shí)驗(yàn)采集了受試者的5個(gè)眼動(dòng)指標(biāo)數(shù)據(jù)，分別為Per-clos、眨眼時(shí)間均值、瞳孔面積、Fixation和Saccade。實(shí)驗(yàn)樣本共采集180個(gè)，這180個(gè)實(shí)驗(yàn)樣本都來自這7名受試者。

2 結(jié)果分析

2.1 從顯著性分析

本文分別對(duì)這5個(gè)指標(biāo)在兩種狀態(tài)下的均值進(jìn)行計(jì)算，結(jié)果如表1所示。

從表1中可以明顯得出，在清醒和疲勞狀態(tài)下perclos的均值在[1.8084-9.6001]和[2.23-12.8]之間。而眨眼均值在[0.0811-0.2026]和[0.0940-0.1844]之間。瞳孔面積均值在[763.76-2151]和[822-1477.8]之間存在著較明顯的差異。而在fixation指標(biāo)上幾乎變化不大，Saccade指標(biāo)更是基本上無規(guī)律變化。由此說明在疲勞和清醒狀態(tài)下，可以作為疲勞特征指標(biāo)的只有perclos、眨眼均值和瞳孔面積。

2.2 從穩(wěn)定性分析

為了分析perclos、眨眼均值和瞳孔面積三個(gè)指標(biāo)在清醒和疲勞狀態(tài)下的變化程度，本文分別計(jì)算了三個(gè)指標(biāo)的變異系數(shù)（CV）。變異系數(shù)是衡量觀測(cè)值變異程度的一個(gè)統(tǒng)計(jì)量。一般系數(shù)越大，其離散程度的測(cè)量值越大。三個(gè)眼動(dòng)指標(biāo)的CV系數(shù)如表2所示。

從表2可以看出，在各個(gè)狀態(tài)下，CV2都相對(duì)更小。其次是CV3，CV1的值偏大。可見，作為檢測(cè)駕駛疲勞的指標(biāo)，眨眼時(shí)間均值在各狀態(tài)最為穩(wěn)定，其次是瞳孔面積。

3 結(jié)論

為了比較各眼動(dòng)指標(biāo)的性能，本文采集了7名受試者清醒和疲勞狀態(tài)下的眼動(dòng)數(shù)據(jù)，并從中中提取了Per-clos、眨眼時(shí)間均值、瞳孔面積等5個(gè)眼動(dòng)特征參數(shù)，分別從顯著性和穩(wěn)定性兩個(gè)方面分析了這5個(gè)眼動(dòng)參數(shù)的變化情況。研究發(fā)現(xiàn)：

（1）perclos、眨眼均值和瞳孔面積3個(gè)眼動(dòng)指標(biāo)在清醒和疲勞狀態(tài)下變化具有明顯差異，可以作為疲勞的眼動(dòng)特征指標(biāo)。

（2）作為檢測(cè)駕駛疲勞的指標(biāo)，眨眼時(shí)間均值最為穩(wěn)定，其次是瞳孔面積。

參考文獻(xiàn)：

[1]Klauser S G，Dingus T A，Neval T V，et al.The impact of driver inattention on near-crash/crash risk：An analysis using the 100-car naturalistic driving study data[R].US Department of Transportation Washionton DC，2006.1.

[2]吳紹斌，高利，王劉安.基于腦電信號(hào)的駕駛疲勞檢測(cè)研究[J].北京理工大學(xué)學(xué)報(bào)，2009，29（12）：1072-1075.

[3]田蕓，于賽克，周前詳，等.眼動(dòng)指標(biāo)在腦力疲勞研究中的應(yīng)用分析[J].人類工效學(xué)，2015.

基金項(xiàng)目：國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（201810846002）