熊桑桑 王慶興

摘要：通過大數(shù)據(jù)的查詢資料，我們發(fā)現(xiàn)國內(nèi)外交通事故很大原因是疲勞駕駛。因此需要對疲勞駕駛進(jìn)行檢測，目前一般采用對駕駛員的行為分析或者對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，該方法通過疲勞檢測和疲勞消除兩個(gè)方面對駕駛員在行車過程中出現(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;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

通過大數(shù)據(jù)的查詢，疲勞駕駛對于交通事故占比非常大，比例達(dá)到40%以上。目前，對疲勞狀態(tài)多采用腦電信號和心電信號來進(jìn)行評估，而對于心電信號而言，它存在著敏感性不足的問題，因此不適合進(jìn)行疲勞狀態(tài)的檢測。因?yàn)榭梢酝ㄟ^腦電信號來判斷大腦的狀態(tài)。所以我們常采用腦電信號來評價(jià)[1]。對于駕駛員進(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)作而引起腦電信號的變化。但是因人而異。同時(shí)對駕駛員的臉部和眼睛特征進(jìn)行數(shù)據(jù)采集也是疲勞評估的一個(gè)發(fā)展方向，本篇文章主要采用腦電波來進(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)由檢測和預(yù)警兩部分組成，然后系統(tǒng)通過監(jiān)測腦電波的幅度來判斷駕駛員是否處于疲勞駕駛。如果腦電波幅度值過高，頻率過低，系統(tǒng)會(huì)發(fā)出語音和振動(dòng)，來提醒駕駛員已經(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)測系統(tǒng)

本文基于腦電波的疲勞駕駛檢測系統(tǒng)，流程圖如圖1所示，首先讓駕駛員戴上頭盔，然后通過頭盔中的傳感器檢測駕駛員大腦的活躍程度，來判斷是否疲勞駕駛，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：采集腦電波信號轉(zhuǎn)化為電信號。LED燈：通過腦電波的集中與否，用藍(lán)牙傳輸來控制燈的亮滅[4]。數(shù)據(jù)采集：將采集到的駕駛員腦電波信號用功率譜的形式顯示出來。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)對采集的腦電波進(jìn)行處理，本文采用對功率譜密度進(jìn)行計(jì)算，并對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，除去眼部肌肉的干預(yù)后記為A1。然后對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駕駛員大腦的活躍程度。然后根據(jù)腦電波信號強(qiáng)弱，可以判斷駕駛員注意力的強(qiáng)弱[7]。通過一個(gè)藍(lán)牙模塊將檢測到的腦電波信號傳送給另一個(gè)藍(lán)牙模塊，那么這個(gè)藍(lán)牙模塊可以對腦電波信號進(jìn)行檢測，如果信號過強(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。

通過調(diào)試我們所設(shè)計(jì)的裝置可以成功地檢測腦電波的集中與否，并且可以通過藍(lán)牙傳輸來控制led燈的亮滅，該裝置具有如下優(yōu)點(diǎn)：（1）利用腦電波轉(zhuǎn)化成電信號的監(jiān)測，更加精確快速，并且實(shí)時(shí)檢測駕駛員的狀態(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)將信號灌入，另外，腦電波檢測裝置可以減少（過濾）無線信號的數(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儀結(jié)構(gòu)簡單，功能多樣，通過探測分析駕駛者的腦電波來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，也新出臺了許多法律條案，可見，讓駕駛員保持清醒顯得異常有必要。我們希望能夠通過這項(xiàng)技術(shù)，讓交通事故盡可能減少。這就是我們對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)想象腦電信號識別[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，基于無線腦電信號分析的實(shí)時(shí)疲勞駕駛檢測與預(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.超特長公路隧道駕駛疲勞致因及檢測技術(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)想象腦電信號模式識別[D]. 計(jì)算機(jī)應(yīng)用，2020-11-09.

【通聯(lián)編輯：王力】