由决策集团汽车事业部（Autopros）主办的GVCIVC自2010年以来,一直走在行业最前端，已然成为连接全球汽车人的商务对接合作平台。2018年，GVCIVC华丽转身，更名Autopros 2018。2018, Bigger Than Ever！在这里，以创新思维为核心的传统行业正迸发无限生机在这里，汽车人探索着未来科技带来的无限想象在这里，正在推进一次又一

由决策集团·汽车事业部（Autopros）主办的GVC&IVC自2010年以来,一直走在行业最前端，已然成为连接全球汽车人的商务对接合作平台。2018年，GVC&IVC华丽转身，更名Autopros 2018。2018, Bigger Than Ever！在这里，以创新思维为核心的传统行业正迸发无限生机在这里，汽车人探索着未来科技带来的无限想象在这里，正在推进一次又一次的产业融合。5月16日坐标上海阿纳迪酒店，Autopros2018第十届绿色汽车暨第二届智能汽车决策者峰会暨展览会正式拉开帷幕！

今天在技术这块，分享一个疲劳驾驶及主动安全技术。我们有一个公司叫苏州清研微视，是对自动驾驶里面核心的驾驶壁垒，为客户提供人、车、路全新的解决方案，为客户提供联网的系统。我们研发团队就是清华五个，北大的三个，海归的三个，其他的985学院的研究生等。

疲劳驾驶在各国交通安全峰会上一直被认为是汽车驾驶人的头号安全问题，中国每年因疲劳驾驶等引发的事故占道路交通事故的20%，高速公路的30%以上。现在像国际上都规定了一些通过驾驶时间来控制疲劳驾驶的方法，比如说我们国家的四小时，有的国家时间不太一样，通过这种办法来判断驾驶疲劳，它有问题。所以有时候不到四个小时他早就困了，现在国家，原来咱们国家也装过一个行车记录仪，它也是通过驾驶时间来进行控制的，你发生了交通事故以后，它可以通过行车记录仪数据进行回查，但是它没有提前预警这个功能，只适用于事故查询。

从疲劳驾驶的系统来说，做这么几点，第一是实时性、准确性、有效性。实时性就是疲劳信息能否即时的传达给驾驶员？疲劳信息能否即时传达给监管部门？而准确性是在疲劳监测方面有哪些技术手段？能否满足车载使用环境？如何保证检测精度？而有效性是车载预警系统的警示及唤醒作用如何？如何通过远程预警实现单位监管与社会监管的双重职能？

疲劳驾驶的界定困境有三个，首先是有精神疲劳，由于驾驶环境的单调性或长时间行车，驾驶人因脑力过多消耗而产生生理、心理机能衰退，造成反应水平、操控能力下降的现象。只能通过外表特征，对疲劳水平进行估计，而人的驾驶疲劳有时候表现得非常轻微，不是很明显的表情特征，这是第二个难点，第三个体差异性，每个人困倦的时候所表现出来的特征都不太一样。

驾驶行为方面，方向盘的操作特征，人困了以后，一般操作方向盘就比较懒了，会有一段时间内，正常驾驶会一直在高频的小幅的转动方向盘，困了以后，第一个表现就是方转动方向盘懒了，他不动了，车就往外偏，那这就需要快速回正的操作，这是一方面的行为特征。另一个就是行驶轨迹的特征，这是两大类，三种的特征方法。

实际产品当中很难推广的，像脑电图要放32或者64的电，或者头脑电波，像面部特征的方法，好处相对比较准确，但用户接受性不是很大，大多数用户不能接受。面部特征在各个方面都很一般，在操作特征方面，它的可靠性不是很强，所以各个方面都有优点、缺点。而预警手段也有很多，从目前我们经过大量次的测试结果看，对于疲劳的预警怎么有效？分成两个阶段：第一个阶段是语音和视觉，就是LED显示和语音，这两个结合起来是比较有效的，到严重疲劳的时候，这个东西就没效了，人其实困了时候，它语音的接受能力和视觉的能力都会下降得比较厉害，比较有效的手段是方向盘，就是方向盘震动或者是座椅的震动，这个比较有效。像国外来讲，车上也开始匹配疲劳驾驶的预警，像奔驰是配的基于方向盘操作特征的方法，像沃尔沃是通过行驶轨迹看的，像toyota是通过面部表情看的。这是各家量产车上的配置。

今天着重讲讲，基于视觉的方法是目前来说主流的方法，可以搭配其他的方法，但是以这个为主，因为人困的时候，在面部表情表现出的共性特征，来监测疲劳是最有效，最准确的，而且早期就可以发现疲劳的特征，那疲劳特征，是一种生命的特征，本身是没法直接测量的，在这有一个判断的标准，因为我这个表格的特征描述也是目前学术界当中，有三级的、五级的，现在涉及到各个学术论文，大家标准整合了一下，大家可以看到。

不同疲劳下面，表现最重要的三个，第一眨眼频率增高，持续闭眼时间增常，还有眨眼速度变慢，眼球活性降低。为此我们提取了十几个指标，这十几个指标，有可能这十几个指标怎么选出来的，其实也是通过人的经验，然后另一个从我们实地车运行当中，我们录回来的录像看，驾驶员疲劳的时候，特征是什么？然后写出来，通过检测再来判断这些特征本身的有效性进行检验，最后筛选出来的这些指标。我刚刚说的十几个指标，本身是有相关性的。怎样来描述这么多参数之间的逻辑关系？并且把疲劳的概念得出来，我们是用了推理模型，这个网络也是通过大量的数据训练出来的。

实际上这块，在实际做的时候，难点主要有三个。第一行车环境的复杂性，主要表现在两个，第一是光照的复杂性，第二是驾驶姿态的不确定性。光照的复杂性我举几个例子，麻烦是什么。比如我们有摄像头逆光大家照相就知道，逆光本身容易不清楚，再一个侧光，形成阴阳脸，眼镜片容易反光，再一个我们戴墨镜眼睛的状态怎么检测，这些都是问题，另外驾驶员开始的时候，动作是很随机的，时刻关注环境当中有没有危险的目标，所以动态监测也比较困难。

第二对于行为的方法，像道路环境，车道上的清晰度，其他车辆的干扰等都会带来问题。另外个体差异性，像个人的操作性，个人操作习惯以及表情的习惯，这些的个体差异性，也会带来一些问题，所以我们在研究题目的时候，也是从微观疲劳挖掘，多信息融合策略，个体差异性解决方案，围绕这几点来做的。我们做的时间比较长，2006年就开始做这块东西。后来我们采用的技术路线，面部特征、方向盘的操作特征和车辆的行车轨迹特征，融合起来，来对疲劳做综合性的判断。这是我们讲的疲劳这块。

做了疲劳驾驶以后，我们当时就想随着硬件技术的发展，硬件处理能力越来越强，不可能我做一个疲劳驾驶，别人做一个RVW、CVW、还有做盲区的，然后车上放一堆设备，那硬件发展不太可能，所以大概四年前我们就开发了一体化的设备，我们一个CPU怎么处理所有的任务，当时我们考察做一个防控安全的东西，第一点，在现在的交通事故当中，引起交通事故的原因到底是什么样子的？我们只有找到原因，才知道相应的解决方案，才可以真正解决实际行车的安全问题。从目前的调研资料看，国内的、国外的，放的几个典型的，基本上结论比较相似，车道偏离，转向碰撞，行人碰撞，前车追尾是目前交通事故发生原因之一，这些与人相关的因素，是引起交通事故的根本原因。

像我们目标检测也是人工智能这些新的技术手段，像我们假设车辆客车、货车都是可以开的，普通行人和骑电动自行车的人也是分开的，像对车辆的识别，原来晚上逆光这种是比较难的，当下来讲，问题都不是很大了，对行人识别我们已经达到95%。国际上做大的汽车厂商也好，供应商也好，其实都来过我们这里，测试过我们的东西，都觉得做得很好，现在我们也是好多车厂的供应商。

除了对驾驶员监控预警以外，我们要实时把信息传到网络后台，把监和管结合起来，才能真正把事故管理起来。像疲劳驾驶以后，同时把疲劳驾驶这一时刻，前后五秒一共十秒的视频数据传上来，这样管理的时候，司机就不会不承认了。这是我们后台上监控到的一部分疲劳驾驶的证据，这都是视频。这是注意力不集中的证据，一看就知道他走神了，干别的东西去了，打手机的、吸烟的，这是我们在疲劳驾驶和主动安全这块，做的一系列工作。如果有兴趣的，对这方面的产品或者应用场景有兴趣的，也可以下来咱们再继续交流。

汽车测试网-创办于2008年，报道汽车测试技术与产品、趋势、动态等 联系邮箱 marketing#auto-testing.net (把#改成@)