[论文解读] A Review of Driver Drowsiness Detection Systems: Techniques, Advantages and Limitations

Ismail Nasri, Mohammed Karrouchi+2 more|arXiv (Cornell University)|May 22, 2022

Sleep and Work-Related Fatigue被引用 13

一句话总结

本文综述了基于生理信号、面部特征和驾驶行为的驾驶员瞌睡检测系统，评估了其准确性、可靠性、硬件需求和侵入性。研究结论指出，结合多种技术的混合系统通过发挥各方法的优势并弥补各自的局限性，能够实现更优的鲁棒性、准确性和实时性能。

ABSTRACT

Driver Drowsiness is one of the most factors of road accidents, leading to severe injuries and deaths every year. Drowsiness means difficulty staying awake, which can lead to falling asleep. This paper introduces a literature review of driver drowsiness detection systems based on an analysis of physiological signals, facial features, and driving patterns. The paper also presents and details the recently proposed techniques for each class. We have also provided a comparative study of recently published works regarding the accuracy, reliability, hardware requirement, and intrusiveness. We have summarized and discussed the advantages and limitations of each class. As a result, each class of techniques has advantages and limitations. A hybrid system that combines two and more techniques will be efficient, robust, accurate, and used in real-time to take advantage of each technique.

研究动机与目标

• 基于生理信号、面部特征和驾驶行为分析，分析并比较现有的驾驶员瞌睡检测系统。
• 评估每种检测技术的准确性、可靠性、硬件需求和侵入性。
• 识别单模态系统在实际应用中的优势与局限性。
• 提出一种结合多种检测技术的混合方法，以提升系统整体性能。
• 为未来研究提供指导，推动开发鲁棒、准确且具备实时性能的瞌睡检测系统。

提出的方法

• 本研究对截至2022年发表的瞌睡检测系统相关文献进行了系统性文献综述。
• 将技术方法划分为三大类：基于生理信号的检测、基于面部特征的检测和基于驾驶行为的检测。
• 针对每类方法，分析其性能指标，包括准确性、可靠性、硬件复杂度和用户侵入性。
• 通过近期研究的对比分析，评估不同检测方法之间的权衡关系。
• 评估将多种技术整合为混合系统的可行性，以提升整体性能。
• 分析内容包括核心组件，如眼睑闭合检测、头部姿态估计、脑电图/心电图信号处理以及车辆运动学建模。

实验结果

研究问题

• RQ1 基于生理信号、面部特征和驾驶行为的驾驶员瞌睡检测系统主要采用哪些技术？
• RQ2 在近期研究中，各类检测方法的准确性、可靠性、硬件需求和侵入性如何比较？
• RQ3 单模态瞌睡检测系统的关键优势与局限性是什么？
• RQ4 结合多种检测技术的混合系统是否能实现优于单一方法的性能？
• RQ5 开发具备实时性、鲁棒性和准确性的瞌睡检测系统时，哪些设计考量至关重要？

主要发现

• 基于生理信号的系统（如使用EEG或ECG）具有高准确性，但需要专用且通常具有侵入性的传感器，且需复杂的信号处理。
• 基于面部特征的系统依赖眼睑闭合和头部姿态检测，具有非侵入性且适用于实时监控，但易受光照和遮挡影响。
• 基于驾驶行为的系统为非侵入性，利用车辆遥测数据，但在检测早期瞌睡阶段时灵敏度可能不足。
• 单一技术无法在所有指标上均达到最优表现；每种技术在准确性、硬件需求和用户舒适度方面均存在固有权衡。
• 整合至少两种技术的混合系统通过弥补单一方法的局限性，展现出更高的鲁棒性、准确性和实时处理能力。
• 多模态融合被认定为实现可靠、可扩展且适用于实际驾驶环境的瞌睡检测的最具前景路径。