成亚玲 谭爱平

摘 要：疲劳驾驶是导致交通事故的重要原因，严重影响公众的交通安全出行。全球各国高度重视，科研人员进行了大量研究。相关文献从生理特征信息、车辆行为特征信息、视觉特征信息和多特征信息融合等四维度进行了梳理，并指出了不同检测方法的优缺点。最后，基于不同场景的应用需求，指出了基于深度学习、神经网络与多特征信息融合的疲劳检测研究将是未来研究的重点和热点。

关键词：驾驶行为疲劳检测检测方法信息融合预测

中图分类号：U491.254;TP391  文献标识码： A  文章编号：

Review on Fatigue Driving Detection

CHENG Yaling  TAN Aiping

（Hunan Industry Polytechnic， Changsha， Hunan Province， 410208 China）

Abstract： Fatigue driving is an important cause of traffic accidents， which seriously affects the public's traffic safety. Countries all over the world attach great importance to it， and researchers have carried out a lot of research about it. The relevant literature combs the four dimensions of physiological feature information， vehicle behavior feature information，visual feature information and multi feature information fusion， and the advantages and disadvantages of different detection methods are pointed out. Finally， based on the application requirements of different scenarios， it is pointed out that the research on fatigue detection based on deep learning， neural network and multi feature information fusion will be the focus and hotspot of future research.

Key Words： Driving behavior; Fatigue test; Detection method; Information fusion; Forecast

駕驶员疲劳驾驶会导致其注意力、意识、判断能力、反应能力和执行能力减弱，进而使得对车辆的控制能力下降，导致对紧急情况处理不及时、操作出现失误等情况发生。各国通过法律法规以防止驾驶员疲劳驾驶，降低交通事故频率。研究驾驶员疲劳驾驶检测，对降低交通事故频率有着重要意义。目前，国内外业界与学者对疲劳驾驶检测相关研究主要集中在生理信息特征、车辆行为特征、视觉特征以及多特征信息融合的疲劳检测4个方面。下面将分别对这些研究进行阐述。

1基于驾驶员生理特征信息的疲劳驾驶检测

该类检测方法通过采集驾驶员的EEG（脑电信号）、ECG（心电信号）、EMG（肌电信号）、ESG（皮电信号）等生理特征信息进行检测与分析，从而判定驾驶员的是否处于疲劳驾驶状态。

（1）在脑电波方面，LI G和CHUNG W Y利用人机界面技术（BMI）系统，并结合了头部动作对困倦进行判断，通过EEG信号研究了驾驶员困倦现象，研究结果显示整体准确率接近83%，实现了对困倦的早期检测[1]。……