近年来，先进驾驶辅助系统（ADAS）的科学进展在提高驾驶整体安全性方面扮演了关键角色。ADAS 技术能够主动控制车辆，以预防潜在的危险情况。研究人员关注的一个重要方面是分析驾驶员的注意力水平，因为最近的报告确认了由于困倦或注意力不集中导致的事故数量不断增加。为了解决这个问题，各种研究提出了通过监测驾驶员的生理状态来实现，因为自主神经系统（ANS）与注意力水平之间存在着确立的联系。为了进行我们的研究，我们设计了一种创新的生物传感器，包括近红外 LED 发射器和光电二极管，具体来说是一种硅光电倍增器装置。这使我们能够通过分析相关的光电容抗（PPG）信号评估驾驶员的生理状态。此外，我们开发了一种嵌入式时域超滤波技术，并结合了一种 1D 时域卷积架构，该架构中嵌入了渐进延展设置。这个集成系统能够实时分类驾驶员的困意，获得 96% 左右的显著准确度水平。

Jul, 2023

我们提出了一种结合司机困倦检测系统和基于显著性的场景理解流水线的智能系统，该系统在嵌入式平台上运行，并利用专用 3D 深度网络进行语义分割。我们还使用车辆方向盘上嵌入的创新生物传感器来监测驾驶员的困倦程度，并对收集到的驾驶员脉搏波信号进行分类，从而评估驾驶员的注意力水平。最后，我们将司机的注意力水平与基于显著性的场景分类进行比较，以评估整体安全水平。通过广泛的实验结果验证了该流水线的有效性。

Jul, 2023

通过使用基于视觉和基于机器学习的方法，同时检测疲劳和注意力分散的行为，以提高智能车辆系统的驾驶行为监测能力并获得更准确和时间更短的结果。

Jan, 2024

这篇论文介绍了一种利用红外摄像机和车辆感知系统的双源方法，以便根据驾驶员的警觉程度评估其操作安全性，并在需要时进行干预，从而为 ADAS 和 AV 的整体安全和效率做出贡献。

Oct, 2023

本文提出了一种基于计算机视觉和机器学习的实时嵌入式平台，通过检测驾驶员的 PERCLOS 指标实现对日夜驾驶状态下驾驶员注意力损失的监测，并使用支持向量机（SVM）对眼睛状态进行分类。实验结果表明该算法稳健可靠，并已在单板计算机上实现。

May, 2015

该论文介绍了如何将车辆转化为一个连接的生态系统，能够评估驾驶员的生理状况，以及如何从传感器数据中提取关键参数，通过驾驶员行为及其外部环境来揭示重要的生理反应，从而提高道路安全。

Sep, 2023

本文介绍了使用可穿戴设备通过皮肤电和心率等多模态生理数据获取个性化的压力识别方法，基于多任务学习的神经网络方法能够成功应用在真实驾驶和模拟驾驶的数据中。

Nov, 2017

本研究利用可穿戴生理测量方法设计并描述了一个含有惯性、心电图等多模态的汽车驾驶员状态大数据集，以加强对驾驶员损伤检测的研究。

Apr, 2023

利用多模态传感器，研究了急性饮酒对驾驶表现的影响，并提出了基于数据驱动的检测饮酒驾驶的方法，涉及机器学习模型分析热像中驾驶员脸部的计算机视觉和模型训练的流程，对相关研究的未来实验设计提供了有益信息。

Sep, 2023

该研究提出了一种实时检测驾驶人行为的新方法，通过研究不同的感知模态发现红外视频在检测中更具有信息量，并通过多分类技术扩展 DAD 数据集。

Oct, 2022