25、基于头部俯仰运动的驾驶员疲劳监测系统：原理、设计与性能评估

基于头部俯仰运动的驾驶员疲劳监测系统：原理、设计与性能评估

1. 背景与问题提出

驾驶员疲劳是导致交通事故的重要因素之一。据相关研究，MTC对238名省际驾驶员的调查显示，约超过半数的驾驶员每天睡眠不足6小时，且80%的人承认曾发生或险些发生事故；而利马的公交和出租车司机这一比例降至32.7%。为应对这一问题，秘鲁交通和通信部规定重型车辆驾驶员每天最多驾驶12小时，但长途运输和单调路况仍易引发事故。

目前市场上有一些商业疲劳检测设备，如Resqme，它通过检测头部20°的角运动来判断疲劳，但仅能检测头部的前后运动，且过于敏感易产生误报。还有基于图像处理的方案，如Li等人使用YOLOv3 - tiny卷积神经网络捕捉面部区域，Chao Zhang等人通过检测眨眼、打哈欠和血容量脉搏（BVP）来判断疲劳，但这些方案都依赖多种因素进行处理，受光照强度、驾驶员面部特征和是否戴眼镜等影响，且不能有效提醒第三方。

因此，需要开发一种不依赖过多因素、不改变车内环境且不干扰驾驶员的疲劳监测系统。本文提出了一种基于驾驶员头部俯仰运动的疲劳监测系统。

2. 系统设计

2.1 设备组成

该系统主要由以下部分组成：
| 组件 | 描述 |
| ---- | ---- |
| Raspberry Pi Pico | 小型微控制器，尺寸为21 mm × 51.3 mm，重3g，使用Python语言。用于收集MPU6050惯性模块的倾斜角度数据，并通过HC - 05蓝牙模块将数据发送到本地车辆注册站。 |
| MPU6050惯性模块 | 具有陀螺仪，可测量6个自由度，位于基于NTP228标准的矿工安全帽