2.2基于生理反应检测

基于驱动程序的检测方法的生理反应特征一般采用非侵入式的检测方法，利用机器视觉技术来检测驾驶员 面部生理反应特征，如眼睛特征、视线方向、嘴部状态、头部位置等，判断司机 s疲劳状态。

第一、它是眼睛特征的检测。司机 眼球运动和眨眼信息被认为是反应疲劳的重要特征，而眨眼幅度、频率和平均关闭时间可直接用于检测疲劳。

目前最有前景的实时疲劳检测方法是PERCLOSE，PERCLOSE是指一定时间内眼睛闭着的时间所占的比例，类似于占空比的概念。通常我们按照p80标准测试，即单位时间内闭眼程度超过80%作为总时间的百分比，它与驾驶疲劳程度具有最准确的相关性。

为了提高疲劳检测的准确性，可以综合检测平均睁眼程度、采用闭眼时间最长的特征作为疲劳指标，达到了较高的疲劳检测精度。

检测司机 眼睛特征引起的疲劳不会给驾驶员带来任何干扰因此，它已成为这一领域的一个热点。

第二、对视线方向的检测。连接眼球中心和眼球表面亮点的线被设置为驱动器 的视线正常情况下，驾驶员直视车辆前方，视线移动较快；疲劳时，司机 视线内的s移动速度会变慢，呈现呆滞现象，视线轴会偏离正常位置。

通过摄像头获取眼睛图像，对眼球进行建模，以视线是否偏离正常范围作为判断驾驶员是否疲劳的标准。

第三、嘴部状态的检测。人们在疲劳时经常打哈欠如果检测到的打哈欠频率超过预定阈值，则可以判断驾驶员已经处于疲劳状态基于这一原理，可以完成对驾驶员的疲劳检测。

第四、头部位置的检测。司机 正常驾驶和疲劳驾驶时的头部位置是不同的。驱动力的变化 头部位置可以用来检测疲劳程度，头部位置传感器可以用来跟踪驾驶员 根据头部位置的变化规律，可以判断驾驶员是否疲劳。

基于驱动程序的检测方法疲劳的特征直观明显，可以实现非接触式测量但缺点是检测识别算法复杂，疲劳特征难以提取，检测结果受光线和个体生理条件变化影响较大，对技术要求较高。

2.3基于车辆运行状态检测

基于车辆行驶状态的疲劳检测方法不是基于驾驶员本身，而是基于驾驶员 s对车的操控性，间接判断驾驶员是否疲劳。这种检测方法主要利用CCD摄像机和车载传感器检测汽车的行驶状态，从而推断出驾驶员 s疲劳状态。

第一、基于方向盘的检测，包括方向盘转角信号检测和扭矩信号检测s在疲劳时对汽车的控制能力下降，方向盘角度左右摆动的幅度会增大，方向盘操作的频率会降低。

通过对方向盘转角在时域和频域的分析，可以将方向盘转角的方差或方差作为疲劳驾驶的评价指标。目前，检测司机 通过方向盘转角的变化来感知疲劳是疲劳预警系统研究的一个热点。该方法数据准确，算法简单，信号与驱动程序密切相关疲劳条件，所以结果是高度可靠的。

此外，当驾驶员疲劳时，方向盘的抓地力会逐渐降低。通过传感器实时检测驾驶员对方向盘施加的力，可以判断驾驶员的疲劳程度。

转向特性可以间接反映驾驶员疲劳度实时检测，可靠性高、无接触的优点。但由于传感器技术的限制，其精度有待提高。

第二、车的行驶状态。通过实时检测汽车的行驶速度，可以判断汽车是处于有效控制状态还是失控状态，从而间接判断驾驶员是否疲劳。

此外，当驾驶员疲劳时，汽车可能会因注意力分散和反应迟钝而偏离车道。本发明基于车辆行驶状态的检测方法具有非接触检测信号提取容易对驾驶员无干扰的优点基于车辆目前的硬件，只需增加少量硬件，就具有很高的实用价值。缺点是由于车辆道路和驾驶员的具体条件，测量的精度不高驾驶习惯经验和条件。

2.4 基于多特征信息融合的检测

基于多特征信息融合的检测方法，通过信息融合技术将驾驶员的生理特征结合起来、驾驶行为和车辆运行状态相结合是一种理想的检测方法，大大降低了单一方法造成的误检和漏检率。

信息融合技术的应用使得疲劳检测技术得到了进一步的发展和完善，可以做到客观、实时、快捷、准确判断驾驶员疲劳也是疲劳检测技术的发展趋势疲劳状态，避免疲劳驾驶造成的交通事故。