第一指导教师主要成果：
1、主持1项南昌市科技计划项目“基于眼动特征的驾驶疲劳预警系统的研发”。
2、参与3项省科技项目。
3、主持参与2项省级教改课题项目。
4、参与多项校级课题项目。
一、申请理由：
1.与本项目相关的内容曾在2016年申报过南昌市科技计划项目，并立项。
2.南昌市科技计划项目，2016.4立项，基于眼动特征的驾驶疲劳预警系统的研发，徐军莉（主持）
3.本项目前期已经进行过基于眼动特征的疲劳预警模型的建立，识别等工作。已经在研究结果的基础上发表过3篇论文和一个软著，分别为：
论文：
1）定性推理生成器在驾驶疲劳检测中的应用，投稿于CSCD期刊“汽车安全与节能学报”，2018年4月已出版。
2）Real-time Eye Tracking for the Assessment of Driver Fatigue,投稿于EI期刊“Healthcare Technology Letters”,已网络出版。
3)Driver fatigue detection through multiple entropy fusion analysis in an EEG-based system,投稿于SCI-E期刊“PLOS ONE”,已被SCI-E检索。
知识产权：
计算机软件著作“基于脑电信号识别的中间件系统”
二、项目方案：
（1）项目研究背景
在全球范围内,疲劳驾驶已成为导致交通安全事故的重要原因之一。根据美国国家公路交通安全管理局的统计,在美国的公路上,每年由于驾驶人在驾驶过程中进入睡眠状态而导致大约10万起交通事故,其中约有1 500 起直接导致死亡,7.1 万起导致人身伤害[2]。在我国，2008 年因疲劳驾驶导致的道路交通事故共2568 起，其中死亡1353 人，受伤3129 人，造成的直接损失约5738 万元。尽管2008 年交通事故的起数、受伤人数和死亡人数相对于2005 年约减少了56%、49%和46%，但疲劳驾驶事故率高、后果严重，一直威胁我国的交通安全。因此，对驾驶过程中疲劳的检测和预防具有重要意义。研制开发一套能够判别司机的疲劳程度的预警系统是非常有必要的。
目前驾驶人眼动特征的检测方法被广泛采用。在国内李邵文等人利用Adaboost 算法实现人脸检测及不同的方法进行人眼定位，最后通过perclos 等进行驾驶员疲劳的综合判定的研究。在国外，Q Wang 等人研究采用adaboost 方法等方法先检测人脸，然后定位人眼，在通过perclos 等来进行综合判定的研究。眼动跟踪就是通过眼动仪来跟踪人眼的运动轨迹和瞳孔位置等信息，分析眼球运动、注视事物的时间、频率等数据来判断疲劳的。国内牛清宁等人利用眼动跟踪仪提取驾驶人不同驾驶状态下眼动数据，提出多个特征参数，搭建疲劳模型进行疲劳判定的研究。
此外国内外对疲劳预警系统的研究也有很多。国外研究成果中具代表性的有美国研制的打瞌睡驾驶员侦探系统DDDS。它采用多普勒雷达和复杂的信号处理方法,可获取驾驶员烦躁不安的情绪活动、眨眼频率和持续时间等疲劳数据,用以判断驾驶员是否打瞌睡或睡着。方向盘监视装置S.A.M.是一种监测方向盘非正常运动的传感器装置，适用于各种车辆。反应时测试仪PVT 是根据驾驶员对仪器屏幕上随机出现的光点的反映速度测试驾驶员的反应时,用以判断其疲劳程度。我国的疲劳驾驶预警系统的研究起步较晚,目前比较成型的是由清华大学和东南大学的几位博士组建的中国单片机公共实验室南京研发中心联合南京远驱科技有限公司研究出来的gogo850 是国内唯一已经商业化的疲劳驾驶预警系统，主要检测驾驶员的眼睛开合情况，尤其增加了对瞳孔的识别，睁眼睡觉瞳孔很暗，即使有驾驶员睁眼睡觉也能被识别出，基于红外图像的处理使得产品在阳光下和黑暗里都能进行识别，系统还能对带各类眼镜的驾驶员进行识别，实用性很强。
（2）研究目标及主要内容
在全球范围内,疲劳驾驶已成为导致交通安全事故的重要原因之一。因此，对驾驶过程中疲劳的检测和预防具有重要意义。研制开发一套能够判别司机的疲劳程度的预警系统是非常有必要的。本项目的目的是开发一款基于android平台，能实现疲劳驾驶预警功能的系统。该系统预期能方便采集信号，疲劳判断准确。且成本较低，实时性较好。在智能移动终端上设计本系统，能够实现疲劳驾驶预警功能的普及化和便携化，让大多数人在驾车疲劳时能得到提醒并休息，为生命安全提供保障。
本项目主要是基于眼动特征设计一个汽车疲劳驾驶预警系统。本系统包括四个模块：信号采集模块、特征提取模块、疲劳判定模块和输出报警模块。系统首先通过利用头戴式眼球追踪仪捕捉驾驶员在驾驶过程的瞳孔位置和视野信息。然后选择合适的眼动数据特征参数。采用不同的分类算法建立疲劳检测模型，接着将实时采集的数据输入疲劳检测模型来判断驾驶员是否疲劳驾驶，如果判断为疲劳则通过报警模块将检测结果实时显示，并通过语音提醒驾驶员注意行车安全。
（3）项目创新特色概述
1）利用云模型建立疲劳分类模型。
由于各眼部指标不仅在不同年龄段的驾驶员之间存在差异，在同一年龄段内的驾驶员之间也是存在差异性的。此外，人的眼动行为本质上也存在随机性和模糊性，因此在研究将眼部行为作为疲劳检测指标时，不仅要考虑个体存在差异性而且采用确定性划分也是无法对眼部行为指标数据进行准确描述的。云模型是用语言值表示的某个概念与其定量表示之间的不确定性转换模型，它反映了自然语言中概念的不确定性。云模型不仅能实现定性概念到定量数据间的转化，而且可以以云图表现出来，比传统的处理模糊概念的方法更直观和具体。
2）该系统信号采集方便，成本较低，实时性较好，具有一定的应用价值。
本项目研发的疲劳预警系统可以实现采集数据，特征提取，疲劳判定和输出报警四个功能。由于该系统直接通过获取D-Lab软件获的眼动数据来采集数据，因此成本较低。该系统每隔5分钟就进行一次疲劳判断，因此实时性较好。 具有一定的应用价值。
（4）技术路线、拟解决的问题
本项目的大致技术路线如下：
l 建立疲劳判定模型
这个阶段是项目研究的第一阶段。本阶段主要目的是在模拟驾驶环境下对眼动数据进行采集、特征提取和分类，建立疲劳模型。这一阶段主要包括设计实验方案、受试者训练，受试者眼动数据采集、受试者眼动数据预处理、特征提取、分类几个步骤。该阶段完成后就确定了用来进行疲劳检测的特征眼动指标参数及后期用来数据匹配的分类模型。该阶段的技术路线如下：
l 实时在线检测疲劳
该阶段是本项目的第二阶段。在该阶段直接在原始眼动数据上提取出特征眼动参数的特征。该阶段主要包括眼动数据采集、提取特征眼动参数数据、特征眼动参数的特征提取。该阶段结束后提取出了特征眼动参数的特征，在该阶段将特征眼动参数的特征与云融合模型数据特征进行匹配，借此判断驾驶员是否疲劳。
l 疲劳预警系统软件的制作
该阶段是本项目的第三阶段，基于以上阶段所得到的功能算法模块，制作预警系统的四大模块功能及制作软件的相关界面。
（5）项目研究进度安排
2018年5月-2018年9月 进行模拟驾驶实验，建立基于眼动特征的疲劳判定模型。
2018年9月-2018年12月 设计实现基于android的疲劳预警系统。发表相关论文。
2019年1月-2019年5月 系统调试及撰写研究报告。
（6）项目组成员分工
李锦涛：实现特征提取模块，疲劳分类模块功能
陈威月：数据采集模块的实现
陈瑜：实现输出预警模块功能及界面设计
涂丁洋：作为受试者，测试系统的准确率
叶继敏：作为受试者，测试系统的准确率
三、学校提供条件：
1.实行“特区”管理。中心在人事、财务、科研、人才培养、行政管理等方面保持相对独立，各项工作直接由学校管理。
2.配套专项经费。学校为中心设置独立账户，下拨2000万元用于中心建设与运行，专款专用。
3.配置专用场所。总面积达2000平方米的办公场所可容纳100余名科技人员开展科研工作，配置了总价值达3000余万元的仪器设备。
4.搭建创新平台。依托学校业已组建的5个工程技术研究中心和重点实验室，整合了该校汽车、机械、信工、管理、艺术等多学科和研究所等，搭建协同创新平台。
5.畅通人才聚集渠道。在“流动不调动”的原则上，实现与高校、科研院所和企业等协同单位之间人员的聘用与流动。
四、预期成果：
本系统完成后能够在实验模拟驾驶状态下判断驾驶员是否疲劳。如果驾驶员被判定为疲劳，系统会给出语音提示驾驶员注意行车安全。
项目完成后，本项目拟根据研究成果发表1-2篇省级论文；并拟定以研究报告的形式对项目研究过程和结果进行总结。