基于脑电信号的驾驶疲劳检测研究

２脑电信号特性及处理
脑电是大脑皮层神经细胞集群电活动而产生的 电生理信号，一般在几微伏到几百微伏之间．脑电 波由各种节律性的波组成，依频率不同而分为艿，口， ０ｔ，口波，其频率分别为０．５～４．０，４．０～８．０，８．０～ １４．０，１４．Ｏ～３０．０ Ｈｚ．ａ，口波属于脑电波中的快波， 口波是成年人觉醒并安静闭目时的正常波形，ｐ波发 生在人们处于警觉并注意外部刺激或施加特别心理 努力时；艿，０波属于脑电波中的慢波，在正常成年人 的睡眠期它们的成分会提高．各种波在发生及振幅 上存在着较大的个体差异，受年龄、性别等因素的 影响‘６｜．
过前期高点，表明实验者进一步疲劳．实验结束时， 脑电Ｒ值与实验过程中最大值比较接近，对应实验 者的轻度疲劳状态．脑电Ｒ值的变化曲线与主观疲 劳评测的变化一致，可以认为１．１５≤Ｒ＜１－２５对应 实验者的轻度疲劳状态，Ｒ＜１．１５对应实验者的清 醒状态． ４．２疲劳实验者的脑电特性
由于疲劳实验者实验前睡眠被剥夺，且实验场 景易于促进疲劳，实验者在实验过程中出现了短暂 瞌睡、苏醒、又瞌睡的现象，实验者的主观疲劳评测 为：中度疲劳一重度疲劳一瞌睡一苏醒一瞌睡．相应的脑 电Ｒ值的变化曲线如图３所示．图３为５名实验者 的均值．
Ｊ—ｏ。
（２）
式中：ｈ频带分别取艿，口，口，卢波；∞。，山。分别为ｈ频
带的频率上、下限；Ｆ。（ｒ，叫）为脑电信号的短时傅里
叶变换．
３驾驶疲劳主观评测
源自文库
综合实验者实验前后的自我疲劳评价及实验视 频对实验者的疲劳状态进行主观评测．主观评测中
万方数据
北京理工大学学报
第２９卷
将疲劳等级划分为４级：清醒，轻度疲劳，中度疲劳， 重度疲劳．以５ ｒａｉｎ为周期分析实验者的模拟驾驶 实验视频，记录实验者的眼球转动、眼皮闭合、打哈 欠、头部运动等状态特征．根据表１内容，对实验者 的疲劳状态进行评价，综合实验者的自我评价，确定 实验者的疲劳状态．
万方数据
第１２期
吴绍斌等：基于脑电信号的驾驶疲劳检测研究
视景显示设备、工作站、视频采集装置、生理测试仪 等组成；软件部分主要包含非线性车辆动力学模型、 虚拟仿真场景等．为增强驾驶员的真实感受，平台 采用实车作为驾驶舱，车辆前轮放置在可自由转动 的托盘上，以方便驾驶员的转向操纵．车辆上安装 了油门踏板、制动、方向盘、离合器等驾驶操纵传感 器，可实时采集驾驶员的驾驶操纵行为．驾驶操纵 信息由数据采集装置转换处理后输入非线性车辆动 力学模型．
Ｉ疲劳驾驶实验
Ｉ．Ｉ疲劳驾驶实验平台 疲劳驾驶实验平台包括硬件和软件部分，硬件
部分主要由实车、驾驶操纵传感器、数据采集装置、
收稿日期：２００９—０３—０５ 基金项目：国家。八六三”计划项目（２００６ＡＡｌｌＺ２１３） 作者简介：吴绍斌（１９７２一），男，博士，讲师，Ｅ－ｍａｉｌ：ｓｈａｏｂｉｎｗｕ＠ｂｉｔ．ｅｄｕ．ｃａ．
视频图像和驾驶员自我评价进行主观疲劳评测．利用生理检测仪采集驾驶员的脑电波，对比分析脑电信号不同频
带信号功率谱值和驾驶员的主观疲劳评测之间的关系．结果表明：主观疲劳评测与脑电信号中功率谱值的变化相
对应，脑电功率谱的比值（口＋日）佃越大，疲劳等级越高．
关键词：驾驶疲劳；脑电｝疲劳等级；主观评测
中图分类号：Ｕ ４６１．９ｌ
ｒｅｌａｔｉｏｎ ｏｆ ＥＥＧ ｃｈａｒａｃｔｅｒｓ ａｎｄ ｓｕｂｊｅｃｔｉｖｅ ｆａｔｉｇｕｅ ｅｖａｌｕａｔｉｏｎｓ．Ｔｈｅ（ａ＋口）／８ ｐｏｗｅｒ ｓｐｅｃｔｒｕｍ ｏｆ ＥＥＧ ｃｏｒｒｅｓｐｏｎｄｓ ｗｉｔｈ ｓｕｂｊｅｃｔｉｖｅ ｆａｔｉｇｕｅ ｅｖａｌｕａｔｉｏｎ．Ｄｒｉｖｉｎｇ ｆａｔｉｇｕｅ ｒａｔｉｎｇ ｃａｎ ｂｅ ｅｓｔｉｍａｔｅｄ ｂｙ ｔｈｅ（口＋臼）／８ ｐｏｗｅｒ ｓｐｅｃｔｒｕｍ ｏｆ ＥＥＧ． Ｋｅｙ ｗｏｒｄｓ：ｄｒｉｖｉｎｇ ｆａｔｉｇｕｅ；ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ（ＥＥＧ）；ｆａｔｉｇｕｅ ｒａｔｉｎｇ；ｓｕｂｊｅｃｔｉｖｅ ｅｖａｌｕａｔｉｏｎ
表２基于脑电的疲劳评测表
Ｔａｂ．２ Ｔａｂｌｅ ｆｏｒ ｆａｔｉｇｕｅ ｅｖａｌｕａｔｉｏｎ ｂａｓｅｄ Ｏｉｌ ＥＥＧ
疲劳状态 清醒
轻度疲劳 中度疲劳 重度疲劳
瞌睡
Ｒ
Ｒ＜１．１５ １．１５≤Ｒ＜１．２５ １．２５≤Ｒ＜１．３５ １．３５≤Ｒ＜１．４５
驾驶疲劳检测方法分为主观检测和客观检测． 主观检测方法主要通过主观调查表、驾驶员自我记 录表、斯坦福睡眠尺度表和皮尔逊疲劳量表等评定
驾驶员的疲劳状态［３］．客观检测方法通过测量脑 电、心电、肌电、皮电等生理信号，以及驾驶员眼睑眨 动、头部位移、驾驶操纵行为、车辆行驶轨迹等来判 断驾驶员的疲劳状态［４－ｓ］．其中，利用脑电信号判断 驾驶疲劳被公认为是最准确、最客观的分析方法． 本文中通过分析模拟驾驶实验中驾驶员的脑电信号 及综合主观疲劳评测，对驾驶疲劳进行定量描述，客 观评价驾驶疲劳等级．
Ｆｉｇ．１
图１ 疲劳驾驶实验平台原理图 Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｆａｔｉｇｕｅ ｄｒｉｖｉｎｇ ｅｘｐｅｒｉｍｅｎｔ ｐｌａｔｆｏｍ
１．２实验过程 选取１０名年龄为２０～５０岁、身体健康、驾龄为
ｏ～１０年、清醒或疲劳的男性实验者（部分实验者没 有驾驶经历），在疲劳驾驶实验平台上进行模拟驾驶 实验，其中疲劳实验者实验前一晚没有睡觉，睡眠被 剥夺．为消除实验结果受到个体差异的影响，对其 中５名实验者均进行了初始状态为清醒和疲劳的对 照实验．由于采用单一直线路段作为实验场景，没 有其它车辆和行人，实验者缺乏必要的行车信息刺 激，大脑细胞易进入抑制状态，极容易造成疲劳打 盹，甚至磕睡．
对５名实验者的实验结果进行分析，综合清醒 实验者的疲劳自我评价以及实验者的眨眼频率、面 部表情等因素，对应的实验者的主观疲劳评测为：清 醒一轻度疲劳一清醒一轻度疲劳．相应的脑电Ｒ值的变 化曲线如图２所示．图２为５名实验者的均值．
幽ｚ 清醒实验者的脑电变化曲线 Ｆｉｇ．２ ＥＥＧ ｃｈａｒａｃｔｅｒｓ ｆｏｒ ａｌｅｒｔ ｓｕｂｊｅｃｔｓ
脑电信号具有随机性、非平稳性、非线性、易受 外界干扰的特点，如实验者力度比较大的眨眼和肢 体运动都会产生脑电干扰信号．因此，对脑电信号 的提取、分析和识别都有相当的难度．脑电信号中 不同频率的波的产生对应实验者的不同精神状态， 使用传统的信号分析方法——傅里叶变换，只能分 析出信号中所含有的频率成分，而不能确定出含有 某种频率的波的发生时间．因此，采用短时傅里叶 变换＂１对脑电信号进行处理，通过在时域加窗将非 平稳的脑电信号转换为一系列短时平稳信号，再对 脑电数据进行功率谱分析，求得脑电艿，口，ａ，ｐ波的 功率谱特征变化特性，分别为脑电艿，伊，口，ｐ波的功 率占脑电信号总功率的比例，实现对脑电信号在时 间和频率上均提取特征参量．
文献标识码：Ａ
文章编号：１００１—０６４５（２００９）１２—１０７２—０４
Ｄｅｔｅｃｔｉｎｇ Ｄｒｉｖｉｎｇ Ｆａｔｉｇｕｅ Ｂａｓｅｄ ｏｎ Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ
ＷＵ Ｓｈａｏ—ｂｉｎ， ＧＡＯ Ｌｉ。 ＷＡＮＧ Ｌｉｕ－ａｎ
（Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｉｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｉｉｎｇ １０００８１，Ｃｈｉｎａ）
驾驶员疲劳驾驶是造成交通死亡事故的重要原 因．许多国家的交通事故统计数据均表明，疲劳驾 驶所导致的交通事故占人身伤害事故的１５％及死 亡事故的２０％以上，美国及欧洲国家商业运输车辆 事故中２０％～３０％与疲劳因素有关［１。２］．因此，驾驶 疲劳检测研究已成为世界各国交通安全技术研究的 重点领域．目前，我国的交通安全形势十分严峻，交 通事故四项指标均居世界前列，研究驾驶疲劳检测 技术，对遏制疲劳驾驶、改善我国交通安全状况具有 重大意义．
为减少脑电各波功率谱特征值波动的影响，对 脑电各波分别计算１ ｍｉｎ内功率谱特征值的均值，代 表在１ ｍｉｎ内的该脑电特征值．脑电各波功率占脑 电信号总功率的比例Ｇ（ｈ）为
ｆ‰Ｉ Ｆｓ（ｒ，∞）ｌ ｚｄ叫
Ｇ（＾）一 Ｊ ｗｄ
ｒ Ｆ。（Ⅲ）
Ｊ一∞
Ｆ。（ｒ，ｃｏ）＝ｌ ｆ（ｔ）ｈ（￡一ｒ）ｅ－Ｊ，，‘ｄｔ．
采用单级导联法测量实验者的脑电信号，参考 电极选用双耳垂接法，测试电极置于头中央顶点 Ｃ：，脑电信号的采样频率为２５６ Ｈｚ．实验过程中，对 实验者的面部表情进行视频监测，同时采集车辆行 驶轨迹、驾驶操纵动作等信息．模拟驾驶实验时间 为１ ｈ，实验前及结束后请实验者填写主观疲劳评测 表进行疲劳自我评价．
第２９卷第１２期
北京理工大学学报
２００９年１２月Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ Ｂｅｉｊｉｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ
Ｖ０１．２９ Ｎｏ．１２ Ｄｅｃ．２００９
基于脑电信号的驾驶疲劳检测研究
吴绍斌， 高利， 王刘安
（北京理工大学机械与车辆学院，北京 １００００８１）
摘 要ｉ研究利用脑电信号（ＥＥＧ）判断驾驶员的疲劳程度．基于疲劳驾驶实验平台进行模拟驾驶实验，综合实验
采用Ｖｅｇａ Ｐｒｉｍｅ开发的虚拟场景，为促进实验 者疲劳，实验场景选用单一直线路段．ＨＰｘｗ８０００ 工作站用来求解车辆动力学模型，生成虚拟驾驶环 境，同时根据驾驶操纵信息驱动虚拟场景中车辆的 运动．视频采集装置对实验者的面部表情图像进行 采集，生理测试仪可采集实验者的脑电、心电等生理 参数．疲劳驾驶实验平台如图１所示．
Ａｂｓｔｒａｃｔ：Ｄｅｔｅｃｔｉｏｎ ｏｆ ｄｒｉｖｉｎｇ ｆａｔｉｇｕｅ ｉｓ ｓｔｕｄｉｅｄ ｂａｓｅｄ ｏｎ ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ（ＥＥＧ）．Ｄｒｉｖｉｎｇ ｓｉｍｕｌａｔｏｒ ｅｘｐｅｒｉｍｅｎｔｓ ｗｅｒｅ ｍａｄｅ ｏｎ ｔｈｅ ｆａｔｉｇｕｅ ｄｒｉｖｉｎｇ ｅｘｐｅｒｉｍｅｎｔ ｐｌａｔｆｏｒｍ，ａｎｄ ｓｕｂｊｅｃｔｉｖｅ ｆａｔｉｇｕｅ ｅｖａｌｕａｔｉｏｎｓ ｗｅｒｅ ｍａｄｅ ｂａｓｅｄ ｏｎ ｅｘｐｅｒｉｍｅｎｔａｌ ｖｉｄｅｏ ａｎｄ ｆａｔｉｇｕｅ ｓｅｌｆ—ｅｖａｌｕａｔｉｏｎ．ＥＥＧ ｄａｔａ ｗｅｒｅ ｒｅｃｏｒｄｅｄ ｂｙ ａｎ ＥＥＧ ｒｅｃｏｒｄｉｎｇ ｉｎｓｔｒｕｍｅｎｔ，ｄｒｉｖｉｎｇ ｆａｔｉｇｕｅ ｗａｓ ａｎａｌｙｓｅｄ ｂｙ ｃｏｍｐａｒｉｎｇ ｔｈｅ
４脑电实验数据分析结果
驾驶员处于疲劳状态时，大脑的思维活动会降 低，从而口波及高频脑电会减少，而口波会增多；当 从疲劳转为瞌睡或睡眠状态时，占主导的脑电频率 会逐步降低为慢波曰波．由于慢波占波一般出现在 儿童深睡时期，本文没有对艿波进行分析．因此，可 以采用脑电功率谱的比值Ｒ一（口＋口）／Ｊ９描述驾驶疲 劳的脑电特征，作为检测驾驶疲劳的指标． ４．１清醒实验者的脑电特性
表１疲劳主观评测表
Ｔａｂ．１ Ｔａｂｌｅ ｆｏｒ ｆａｔｉｇｕｅ ｓｕｂｊｅｃｔｉｖｅ ｅｖａｌｕａｔｉｏｎ
疲劳状态
状态特征
轻清度醒疲劳ＩＩ霪菲薹嚣萎识态活的跃嘴，、精头神’集中手’小坐动姿作端，正，打对哈行欠驶＇前摆方动保头持 中重度度疲疲劳ｌ劳凳蒡Ｉ褊嚣翥麓篓下燃降篙＇眼嚣皮开黼始出出现聪少虬许闭锄合挤趋
从图２可知，脑电Ｒ值从实验初期的１．０２逐 步增大至实验中期的１．２０，然后快速下降，此时对 应实验者调整肢体运动，实验者的疲劳得到缓解． 随着实验时间的延长，脑电Ｒ值又继续上升，并超
图３疲劳买验者的脑电变化曲线 Ｆｉｇ．３ ＥＥＧ ｃｈａｒａｃｔｅｒｓ ｆｏｒ ｔｉｒｅｄ ｓｕｂｊｅｃｔｓ
从图３可知，脑电Ｒ值从实验初期的１．２５逐 步增大，末期达到最大值１．６０，脑电曲线的后段起 伏较大，对应实验者瞌睡、苏醒状态的转换．当数值 超过１．４５时，对应的实验者已闭眼进入瞌睡状态， 脑电特性曲线的下降则对应于实验者的苏醒．脑电 Ｒ值的变化曲线与主观疲劳评测的变化一致，可以 认为Ｒ≥１．４５对应实验者的瞌睡状态，１．３５≤Ｒ＜ １．４５对应重度疲劳状态，１．２５≤Ｒ＜１．３５对应中度 疲劳状态．主观评测及脑电数据均表明，驾驶疲劳 的发生是渐进的过程，同时驾驶疲劳水平是波动的， 时有时无，时高时低．基于脑电特性的驾驶疲劳评 测如表２所示．