张 明 恒，刘 朝 阳，郭 政 先，万 星

(1.大连理工大学 工业装备结构分析国家重点实验室，辽宁 大连 116024；2.大连理工大学 汽车工程学院，辽宁 大连 116024 )

0 引 言

驾驶疲劳是交通事故致因的重要组成部分，当前针对驾驶人状态检测的车载系统研发已经成为人们关注的焦点问题[1]．从驾驶疲劳检测的过程来看，其本质在于利用构建的特征-状态模型对驾驶人疲劳状态进行实时评估．其中，疲劳特征的选择应能满足车载系统需求，检测模型应体现驾驶疲劳的动态特性．

目前，应用于驾驶疲劳检测的特征指标主要包括车辆运行特征、驾驶人表观特征和生理特征[2]．其中，基于车辆运行特征的方法可以充分利用车辆运动信息，具有较好的实时性，但易受驾驶习惯等因素影响[3]；基于驾驶人表观特征(如PERCLOS)的方法，其特征获取大多采用非侵入式的视觉传感器，具有灵活的平台适应性和成本优势，已逐渐成为舱内感知技术(ICS)领域的主流研发方向[4]；基于驾驶人生理特征(如脑电(EEG)信号)的方法，由于其可以直接反映疲劳变化，在疲劳发生初期即具备较好检测效果，常常被称为疲劳检测的金标准，但是由于其需要测试仪器与人接触测量，容易对驾驶人造成干扰，因此常常被用于其他检测方法的对标性测试[5]．

在疲劳状态检测模型研究方面，主要包括支持向量机(SVM)、神经网络、贝叶斯网络和隐马尔可夫模型(HMM)等．Hu[6]基于EEG数据搭建了SVM驾驶疲劳辨识模型，在对数据进行特征提取……