疲勞檢測中眼動指標參數的分析研究

陳瑜 徐軍莉

摘 要：目前眼動特征的非接觸式疲勞檢測方法中采用的眼動疲勞指標很多。為了比較各眼動指標的性能，本文采集了7名受試者清醒和疲勞狀態下的眼動數據，并從中提取了Per-clos、眨眼時間均值、瞳孔面積等5個常用眼動特征參數，分別從顯著性和穩定性兩個方面分析了這5個眼動參數的變化情況。研究發現perclos、眨眼均值和瞳孔面積3個眼動指標在清醒和疲勞狀態下變化具有明顯差異，可以作為有效的眼動疲勞特征指標;作為檢測駕駛疲勞的指標，眨眼時間均值最為穩定，其次是瞳孔面積。

關鍵詞：疲勞駕駛;疲勞指標;眼動特征

目前道路交通安全問題已成為嚴重的社會問題，而疲勞駕駛是發生道路交通事故的重要原因之一[1]。為了減少疲勞駕駛引起的交通事故，很多研究者都已經開始了各種疲勞預警的研究工作，其中基于眼動特征的非接觸式疲勞檢測方法被廣泛采用。在各種眼動疲勞特征指標中大部分采用的有perclos，瞳孔面積等。為了比較各眼動指標的性能，本文采集了7名受試者清醒和疲勞狀態下的眼動數據，并從中提取了Per-clos、眨眼時間均值、瞳孔面積等5個眼動特征參數，分別從顯著性和穩定性兩個方面分析了這5個眼動參數的變化情況。

1 實驗

本文采用3Y-31D汽車駕駛模擬器作為模擬駕駛實驗平臺，采用Ergoneers公司的Dikablis頭戴式眼球追蹤儀監控駕駛員的視線。駕駛員坐在一個相對寬敞封閉的房間中。為了避免因照明引起駕駛員瞳孔面積的變化，房間中的窗簾和燈光都是關閉的。駕駛員頭戴眼鏡跟蹤儀坐在駕駛座椅上操作駕駛模擬器進行駕駛。眼鏡跟蹤儀的另一端通過USB接口連接到筆記本電腦。眼鏡跟蹤儀采集到的眼動數據和視頻被傳輸到電腦中的D-lab軟件，D-lab軟件根據采集到的數據計算Per-clos和眨眼時間均值等信息。其中D-Lab軟件的采樣頻率設為25Hz。實驗場景如右圖所示。

依照實驗要求，選擇了7名具有合法駕照的駕駛人進行駕駛模擬實驗。受試者年齡均在21～23之間。駕駛模擬實驗采集了受試者的5個眼動指標數據，分別為Per-clos、眨眼時間均值、瞳孔面積、Fixation和Saccade。實驗樣本共采集180個，這180個實驗樣本都來自這7名受試者。

2 結果分析

2.1 從顯著性分析

本文分別對這5個指標在兩種狀態下的均值進行計算，結果如表1所示。

從表1中可以明顯得出，在清醒和疲勞狀態下perclos的均值在[1.8084-9.6001]和[2.23-12.8]之間。而眨眼均值在[0.0811-0.2026]和[0.0940-0.1844]之間。瞳孔面積均值在[763.76-2151]和[822-1477.8]之間存在著較明顯的差異。而在fixation指標上幾乎變化不大，Saccade指標更是基本上無規律變化。由此說明在疲勞和清醒狀態下，可以作為疲勞特征指標的只有perclos、眨眼均值和瞳孔面積。

2.2 從穩定性分析

為了分析perclos、眨眼均值和瞳孔面積三個指標在清醒和疲勞狀態下的變化程度，本文分別計算了三個指標的變異系數（CV）。變異系數是衡量觀測值變異程度的一個統計量。一般系數越大，其離散程度的測量值越大。三個眼動指標的CV系數如表2所示。

從表2可以看出，在各個狀態下，CV2都相對更小。其次是CV3，CV1的值偏大。可見，作為檢測駕駛疲勞的指標，眨眼時間均值在各狀態最為穩定，其次是瞳孔面積。

3 結論

為了比較各眼動指標的性能，本文采集了7名受試者清醒和疲勞狀態下的眼動數據，并從中中提取了Per-clos、眨眼時間均值、瞳孔面積等5個眼動特征參數，分別從顯著性和穩定性兩個方面分析了這5個眼動參數的變化情況。研究發現：

（1）perclos、眨眼均值和瞳孔面積3個眼動指標在清醒和疲勞狀態下變化具有明顯差異，可以作為疲勞的眼動特征指標。

（2）作為檢測駕駛疲勞的指標，眨眼時間均值最為穩定，其次是瞳孔面積。

參考文獻：

[1]Klauser S G，Dingus T A，Neval T V，et al.The impact of driver inattention on near-crash/crash risk：An analysis using the 100-car naturalistic driving study data[R].US Department of Transportation Washionton DC，2006.1.

[2]吳紹斌，高利，王劉安.基于腦電信號的駕駛疲勞檢測研究[J].北京理工大學學報，2009，29（12）：1072-1075.

[3]田蕓，于賽克，周前詳，等.眼動指標在腦力疲勞研究中的應用分析[J].人類工效學，2015.

基金項目：國家級大學生創新創業訓練計劃項目（201810846002）