我國48%的車禍由駕駛員疲勞駕駛引起，直接經(jīng)濟損失達數(shù)十萬美元。有關汽車駕駛員的疲勞檢測問題，隨著高速公路的發(fā)展和車速的提高，目前已成為汽車安全研究的重要一環(huán)。疲勞駕駛預警系統(tǒng)就是指一旦駕駛者精神狀態(tài)下滑或進入淺層睡眠，該系統(tǒng)會依據(jù)駕駛員精神狀態(tài)指數(shù)分別給出：語音提示，振動提醒，電脈沖警示，警告駕駛員已經(jīng)進入疲勞狀態(tài)，需要休息，并同時自動記錄相關數(shù)據(jù)，以便日后查閱，鑒定。其作用就是監(jiān)視并提醒司機自身的疲勞狀態(tài)，減少司機疲勞駕駛潛在危害。以下對疲勞駕駛預警系統(tǒng)發(fā)展現(xiàn)狀分析。

　　交通事故是當前世界各國所面臨的嚴重社會問題之一,已被公認為危害人類生命安全的第一大公害。而在交通事故中，相當一部分是由于駕駛員疲勞駕駛引起的。疲勞駕駛對安全的影響，已經(jīng)到了非常嚴重的程度。據(jù)了解，全世界范圍內(nèi)，超過30%的公路交通事故和約15%至20%的鐵路交通事與駕駛疲勞有關，疲勞駕駛嚴重影響駕駛員的警覺性、應變性及安全駕駛能力，容易發(fā)生群死群傷的惡性交通事故。

　　2016-2021年汽車輪胎智能安全預警系統(tǒng)行業(yè)市場競爭力調查及投資前景預測報告表明，智能駕駛是百度在人工智能方面重點布局的領域，在該領域，明年百度會和一汽聯(lián)合推出防疲勞駕駛的系統(tǒng)，因為“我們希望貨車司機丟掉工作之前別先丟掉生命”。百度疲勞駕駛監(jiān)測系統(tǒng)將是基于百度大腦的圖像識別技術的落地方式之一，它將通過紅外人臉識別判斷，當卡車司機進入疲勞狀態(tài)時，系統(tǒng)就會發(fā)出相應的警告信息。

　　駕駛人疲勞狀態(tài)的檢測方法可大致分為基于駕駛人生理信號、生理反應特征、操作行為和基于車輛狀態(tài)信息的檢測方法。

　　基于駕駛人生理信號

　　駕駛人在疲勞狀態(tài)下的生理指標會偏離正常狀態(tài)的指標，疲勞駕駛的研究最早也是基于此方面的。目前較為成熟的檢測方法包括對駕駛人的腦電信號EEG、心電信號ECG等的測量。

　　基于駕駛人生理信號的檢測方法對疲勞判斷的準確性較高，但生理信號需要采用接觸式測量，且對個人依賴程度較大，因此在實際操作時有很多受限因素，因此主要應用于實驗中，作為對照參數(shù)。

　　基于駕駛人生理反應特征

　　該檢測方法是利用駕駛人的眼動特性、頭部運動特性等推斷駕駛人的疲勞狀態(tài)，眼球的運動和眨眼信息被認為是反映疲勞的重要特征。

　　目前，眼動機理方面的算法很多，被廣泛采用的一種算法PERCLOS就是將眼瞼閉合時間占一段時間的百分比作為生理疲勞的測量指標。但這類算法需要面對的難題是：種族不同，眼窩的深淺也不同，算法的適應性便難以優(yōu)化。而且，在面對場景光線的變化時，人臉識別的準確度也會受到影響。

　　基于駕駛人操作行為

　　通過對駕駛人方向盤操作數(shù)據(jù)進行處理，從而推斷駕駛人疲勞狀態(tài)。目前而言，該方式的存在有很多不確定性，受個人習慣、行駛速度、道路環(huán)境、操作技能的限制，因此該方面的深入研究成果較少。

　　基于車輛行駛軌跡

　　通過車輛行駛軌跡變化和車道線偏離等行駛信息來推測駕駛人的疲勞狀態(tài)。

　　據(jù)悉，對于疲勞檢測來說，有兩大技術門檻，就是應用場景的復雜性與算法本身的瓶頸。

　　我國的疲勞駕駛預警系統(tǒng)的研究起步較晚,目前比較成型的是由清華大學和東南大學的幾位博士組建的中國單片機公共實驗室南京研發(fā)中心聯(lián)合南京遠驅科技有限公司研究出來的gogo850是國內(nèi)唯一已經(jīng)商業(yè)化的疲勞駕駛預警系統(tǒng)，其原理和豐田十三代皇冠標配的瞌睡報警系統(tǒng)類似，主要檢測駕駛員的眼睛開合情況，尤其增加了對瞳孔的識別，睜眼睡覺瞳孔很暗，即使有駕駛員睜眼睡覺也能被識別出，基于紅外圖像的處理使得產(chǎn)品在陽光下和黑暗里都能進行識別，系統(tǒng)還能對帶各類眼鏡的駕駛員進行識別，實用性很強。

更多系統(tǒng)行業(yè)研究分析，詳見中國報告大廳《系統(tǒng)行業(yè)報告匯總》。這里匯聚海量專業(yè)資料，深度剖析各行業(yè)發(fā)展態(tài)勢與趨勢，為您的決策提供堅實依據(jù)。

更多詳細的行業(yè)數(shù)據(jù)盡在【數(shù)據(jù)庫】，涵蓋了宏觀數(shù)據(jù)、產(chǎn)量數(shù)據(jù)、進出口數(shù)據(jù)、價格數(shù)據(jù)及上市公司財務數(shù)據(jù)等各類型數(shù)據(jù)內(nèi)容。