基于前额眼电的疲劳监测关键技术研究

Driver fatigue is the main factor in many serious accidents. Therefore industry and scientific communities have long been working on the research and development of fatigue monitoring. The existing systems for fatigue monitoring are mainly based on video techniques, which are easy to use, but vulnerable to internal and external environmental interference; EEG-based fatigue monitoring techniques which are common in scientific community are with high accuracy, but not practical for application. For these reasons, our project intends to focus on the study of fatigue monitoring technology based on EOG extracted from forehead (forehead EOG), to get a balance between practicality and accuracy. This technology will make full use of the forehead EOG features to monitor fatigue, which is both practical and robust to the interference of the external environment. The research that the project plans to conduct mainly comprises the following four parts: 1) to study the relationship between forehead EOG and traditional EOG; 2) to study and analyze the characterization of eye-movement activities and fatigue about forehead EOG; 3) to study and design an algorithm with high robustness to extract features of forehead EOG and an algorithm for monitoring fatigue; 4) to study and design a subject-independent self-adaptive fatigue monitoring model, which can adapt to varied fatigue models of EOG by modifying parameters online. The research aims to provide drivers with a new active safety technology, and finally lays foundation for fatigue monitoring technology for general drivers.

疲劳驾驶是恶性交通事故的主要因素，为此工业界和科技界长期致力于疲劳监测技术的研究和开发。现有的商业化疲劳监测系统主要基于视频分析技术，使用简单，但易受内、外部环境干扰；而科技界研究较多的基于脑电的疲劳监测技术，虽然精度最高，但实用性较差。为此，本课题拟从实用性和准确性两方面出发，研究设计基于前额眼电的疲劳监测关键技术。该技术将充分利用前额眼电的疲劳表征特性，实用性强，并能克服内、外部环境的干扰。本项目拟开展的研究工作主要包括以下四方面：1）研究分析前额眼电与传统眼电的关系。2）研究分析前额眼电信号的眼部活动状态表征能力和对疲劳的表征能力。3）研究设计驾驶环境下的高鲁棒性前额眼电特征提取算法和疲劳监测算法。4）研究设计针对不同用户的自适应疲劳监测模型，可在线修正模型参数，使其适应不同用户的眼电疲劳变化模式。本研究将为驾驶员提供一种新的主动安全技术，为开发面向一般驾驶员的疲劳监测技术奠定基础。

目前对于疲劳驾驶尚无可靠的检测手段和定量的评价体系，从驾驶时间上很难准确判定驾驶员的疲劳程度。对于驾驶疲劳的产生机理、定量描述和检测方法的研究己经成为神经科学、认知科学和智能交通系统研究的一个重要课题，它不但具有极高的理论价值，同时具有重要的现实意义。本课题从实用性和准确性两方面出发，研究设计基于前额眼电的疲劳驾驶监测关键技术。本课题开展取得以下五方面成果：1）建立模拟驾驶实验平台，维护基于前额眼电的大规模疲劳数据集；2）设计前额眼电电极放置位置，研究前额眼电关于眼部活动状态的表征能力以及对疲劳程度的表征能力；3）提出了基于眼动仪数据的疲劳连续自动标注方法；4）疲劳与脑电、眼电模式间的关系一般会随着人群的差异或所处环境的改变而有所不同，因此，疲劳监测方法既要考虑一般规律，即非特定人群的共性，也要考虑到特定人群以及当前特定环境下所导致的差异。本课题引入迁移学习方法解决被试个体差异问题；5）研究前额眼电和脑电多模态融合的连续疲劳检测方法，通过前额电极信号分离脑电和眼电实现多信号融合。另外考虑到警觉度信号时序相关性，我们引入了多种时序相关模型如LSTM，CCRF和CCNF模型，对信号时序信息进行建模，我们发现通过多模态信息融合以及时序相关建模方法有效地提高识别性能。同时我们发现不同警觉度状态下脑电模式规律，包括频段能量变化和关键脑区，脑电和眼电在警觉度估计中的互补特性分析。本项目研究为开发稳健疲劳监测技术奠定研究基础和实验支撑。