驾驶员疲劳预警系统，是驾驶员状态监测系统的重要部分。驾驶员疲劳预警系统可以监测并提醒驾驶员自身的疲劳状态，减少驾驶员疲劳驾驶的潜在危害。
当驾驶员精神状态下滑或进入浅层睡眠时，系统会根据驾驶员精神状态指数，分别给出语音提示、震动提醒、电脉冲警示等，警告驾驶员已经进入疲劳状态，需要休息。
图1 驾驶员疲劳预警系统
系统构成
疲劳预警系统一般是由信息采集单元、电子控制单元和预警显示单元等三部分组成。
信息采集单元通过传感器采集驾驶员信息和车辆状态信息。其中，驾驶员信息包括驾驶员的面部特征、眼部信号、头部运动性等。车辆状态信息包括转向盘转角，行驶速度、行驶轨迹等。
电子控制单元即ECU，接收信息采集单元发送的信号，进行运算分析，判断驾驶员疲劳状态。如果经过分析发现驾驶员处于一定程度的疲劳状态，则向预警显示单元发出信号，预警显示单元根据ECU传递的信息，通过语音提示、智能提醒、电脉冲警示等方式，对驾驶员进行预警。
检测原理
驾驶员疲劳检测的原理，主要是基于驾驶员自身特征，包括生理指标和生理反应的检测、车辆行驶状态的检测方法以及多特征信息融合的检测方法等。
基于生理指标检测
驾驶员在疲劳状态下的一些生理指标，如脑、电、心、电、脉搏、呼吸等，都会偏离正常的状态，因此可以通过生理传感器去检测驾驶员这些生理指标，来判断驾驶员是否处于疲劳状态。
首先是脑电信号的检测，脑电信号是人脑技能的宏观反应，利用脑电信号能够反映出人体的疲劳状态，客观并且准确。
脑电信号被誉为疲劳检测中的金标准。人在疲劳状态下，慢波增加快波降低，利用脑电信号检测驾驶疲劳状况判定的准确率较高，但其操作复杂，不适合车载实时检测。
其次是心电信号检测。心电图指标主要包括心率和心率变异性等。其中心率信号综合反映了人体的疲劳程度和任务与情绪的关系，心率变异性是心脏神经活动的紧张度和均衡度的综合体现。
心电信号是判定驾驶疲劳的有效特征，准确度高。但是，利用心电信号检测人体疲劳状况，需要将电极和人身体相接触，会对驾驶员的正常驾驶带来不便。
第三是肌电信号检测。通过肌电信号的分析，反映人体的疲劳程度。肌电图的频率，随着疲劳的产生和疲劳程度的加深，呈现出下降的趋势，而肌电图的幅值增大则表明疲劳程度的增长，该方法测试简单，结论也较明确。
第四是脉搏信号检测。根据人体精神状态的不同，心脏活动和血液循环也会有差异，脉搏实际上反映的就是心脏和血液的循环。因此利用脉搏波去检测驾驶员的疲劳状态，是具有可行性的。
第五是呼吸信号的检测。人体疲劳状态的一个重要表现就是呼吸频率的降低，呼吸变得平稳。
在正常驾驶过程中，驾驶员精神集中，呼吸的频率相对较高；如果驾驶期间和他人交谈，呼吸波的频率则变得更高。当驾驶员疲劳驾驶时，注意力集中程度也会降低，此时呼吸也变得平缓。因此通过检测驾驶员的呼吸状况来判定是否疲劳驾驶，也成为研究疲劳驾驶预警系统的一个重要维度。
基于驾驶员生理指标的检测方法，客观性强，准确性高，但与检测仪器强相关。这些检测方法基本都是接触性的检测，会干扰到驾驶员的正常操作，影响行车安全。另外，由于不同人的生理信号特征有所不同，并且和心理活动的关联较大，在实际用于驾驶员疲劳检测的时候，存在很大的局限性。
基于生理反应检测
基于驾驶员生理反应特征的检测方法，一般采用非介入式的检测途径，利用机器视觉技术，检测驾驶员面部的生理反应特征，如眼睛特征、视线方向、嘴部状态、头部位置等，判断驾驶员的疲劳状态。
首先是眼睛特征的检测。驾驶员眼球的运动和眨眼信息被认为是反应疲劳的重要特征，眨眼的幅度、频率以及平均闭合的时间，都可以直接用于检测疲劳。
目前被认为最有应用前景的实时疲劳检测方法是PERCLOSE，即Percentage of Eyelid Closure Over the Pupil Over Time，它是指一定时间内眼睛闭合时所占的时间比例，类似占空比的概念。通常我们按照p80的标准检测，即单位时间内眼睛闭合程度超过80%的时间，占总时间的百分比，它和驾驶疲劳程度的相关性最准确。
为了提高疲劳检测的准确率，可以综合检测平均睁眼的程度、最长闭眼时间的特征作为疲劳指标，达到较高的疲劳检测准确率。
通过眼睛特征检测驾驶员的疲劳程度，不会对驾驶员的行为带来任何的干扰，因此成为这一领域现行研究的热点。
第二是视线方向的检测。把眼球中心与眼球表面亮点的连线定为驾驶员的视线方向，正常状态下驾驶员正视车辆的运动前方，同时视线方向移动速度比较快；疲劳时，驾驶员视线方向的移动速度会变慢，表现出迟钝的现象，并且视线轴会偏离正常的位置。
通过摄像头获取眼睛的图像，对眼球建模，把视线是否偏离正常范围，作为判别驾驶员是否疲劳驾驶的标准。
第三是嘴部状态的检测。人在疲劳时往往有频繁的打哈欠的动作，如果检测到哈欠的频率超过预定的阈值，可判断驾驶员已经处于疲劳状态，基于此原理可以完成对驾驶员的疲劳检测。
第四是头部位置的检测。驾驶员在正常驾驶和疲劳驾驶时，其头部位置是不同的。可以利用驾驶员头部位置的变化，检测疲劳程度，利用头部位置传感器对驾驶员的头部位置进行实时的跟踪，并根据头部位置的变化规律，判定驾驶员是否疲劳。
基于驾驶员生理反应特征的检测方法，优点是表征疲劳的特征直观明显，并可实现非接触测量，不足之处在于检测识别的算法复杂，疲劳特征提取困难，且检测结果受光线变化和个体生理状况的变化影响较大，对技术的要求很高。
基于车辆行驶状态检测
基于车辆行驶状态的疲劳检测方法，不是从驾驶员本人出发去研究，而是从驾驶员对汽车的操纵情况，间接判断驾驶员是否疲劳。该种检测方法主要利用CCD摄像头和车载传感器来检测汽车行驶状态，从而推测出驾驶员的疲劳状态。
首先是基于转向盘的疲劳检测。基于转向盘的检测，包括转向盘转角信号检测和力矩信号检测，驾驶员疲劳时对汽车的控制能力下降，方向盘转角左右摆动的幅度会变大，同时操纵转向盘的频率会下降。
通过对转向盘转角时域和频域分析，方向盘转角的方差或平方差，可以作为疲劳驾驶的评价指标。目前，通过方向盘的转角变化情况来检测驾驶员的疲劳情况，是疲劳预警系统研究的热点。这种方法数据准确，算法简单，并且信号与驾驶员疲劳状况联系紧密，结果可信度高。
另外，驾驶员疲劳时，对转向盘的握力会逐渐减小。通过传感器实时检测驾驶员施加在方向盘的力，可以判断驾驶员的疲劳程度。
驾驶员对于转向盘的操纵特征，能够间接实时地反映驾驶员的疲劳程度，具有可靠性高、无接触的优点。但由于传感器技术的限制，其准确度有待提高。
其次是汽车的行驶状态。通过实时检测汽车的行驶速度，判断汽车是处于有效的控制状态，或是处于失控的状态，从而间接地判断出驾驶员是否疲劳。
另外，驾驶员疲劳驾驶时，由于注意力分散，反应迟钝，汽车可能偏离车道。基于汽车行驶状态的检测方法，优点是非接触检测信号容易提取，不会对驾驶员造成干扰，基于车辆当前的硬件，只需增加少量的硬件，就具有很高的实用价值。缺点是受到车辆的具体情况，道路的具体情况以及驾驶员的驾驶习惯经验和条件等限制测量的准确性并不高。
基于多特征信息融合检测
基于多特征信息融合的检测方法，通过信息融合技术，将驾驶员生理特征、驾驶行为及车辆行驶状态相结合，是理想的检测方法，大大降低了采用单一方法造成的误检和漏检率。
信息融合技术的应用，让疲劳检测技术得到更进一步的发展和提高，能够客观、实时、快捷、准确地判断出驾驶员的疲劳状态，避免疲劳驾驶所引起的交通事故，这也是疲劳检测技术的发展趋势。
,
