华楚霞，吴研婷，乔晓华

（惠州经济职业技术学院信息工程学院，广东惠州，516001）

0 引言

随着汽车拥有量的增加，驾驶安全问题日益突出，根据数据分析在发生的交通事故案例中将近四分之一是由疲劳驾驶导致的，因此针对疲劳驾驶问题，开发和设计一款便携、准确的智能识别与预警系统成为了大众的广泛诉求。

目前在生物识别技术的发展推动下，国内外一些高端品牌车的疲劳驾驶监测技术在市场上已出现通过监测驾驶员面部特征来判断驾驶员是否疲劳驾驶的系统，该系统通过人脸识别获取面部综合信息如面部表情、眼睛瞳孔放大放小等，提取面部特征从而判断是否疲劳驾驶。然后对比国内外资料显示通过脑电信号判别人体疲劳状态是最准确、高效的一种方式，脑电波是一些自发的有节律的神经电活动，可用电子扫描仪检测出，其频率变动范围在每秒1-30次之间的，可划分为四个波段，即δ（Delt）、θ（Theta）、α（Alpha）、β（Beta）。δ波3Hz以下人在深睡状态下会出现。Theta波4-7Hz人脑处于深度轻松状态，一般是进入睡眠的前的状态。α波8-13Hz轻松状态，大脑清醒放松，容易集中注意力。β波14Hz以上紧张状态，对周围环境很敏感，但难于集中注意力，且容易疲劳。而人要进入睡眠时候的θ波到δ波之间的波段称为慢波，慢波的出现表示人已经达到疲劳驾驶状态了。

本文采用TGAM模块进行二次开发，对采集的脑电信号进行分析研究，通过解析数据流获取眨眼特征值，并用层次模型构造矩阵计算出人体疲劳相关的特征参数：专注度、放松度，采用准确率高的算法分析其疲劳程度并进行预警提示。……