無疑，疲勞駕駛有很高的安全風險，甚至是造成交通致死事故的重要原因之一。通過系統檢測和監測疲勞顯得至關重要。

然而，在動態環境（如駕駛）中，現有監測技術極易受干擾。比如，多用于胸腔和頭皮的檢測貼片，或者將方向盤和傳感器結合用于監測駕駛員心率的監測設備，這些設備受駕駛員行為的影響較大，所得數據存在不穩定性，將會給準確檢測帶來干擾。

因此，開發干擾性小，能準確記錄監測信號和數據的設備對監測疲勞駕駛等行為尤為關鍵。其中，非侵入性或最小侵入性方法被寄予免受干擾的希望。

現在，德國英戈爾施塔特工業技術大學的的研究人員就在易獲取的腕式可穿戴傳感器上實現了這一目標，并將該類傳感器與常見的機器學習模式結合用于疲勞駕駛監測。

為了驗證其準確性和可行性，將結果與一種醫用級心電圖儀。在一個高保真駕駛模擬器中對30名參與者進行的用戶研究進行了測試。

其中，腕式可穿戴設備記錄了駕駛員心率信號。腕帶記錄心博間期（Inter-beat Intervals）的心率數據，這些數據將用于心跳變異分析（Heart Rate Variability， HRV）。

實驗中方向盤前方的攝影機會將駕駛員面部表情記錄下來，以供觀察者評估實驗中駕駛員的清醒狀態。

同時，作為醫療級設備參考對象，實驗中會同時使用三通道心電測量儀（Electrocardiography， ECG）來監測心率。

實驗數據表明，醫療級設備ECG所獲得的數據準確度相對更高，但就消費者友好性來說，腕式可穿戴設備更勝一籌，且其所獲得的數據與醫療設備所得數據極具可比性。

實驗所展示的技術提供了新的車內人機交互的可能性，或將進一步加快駕駛員嗜睡監測技術的發展、完善車-駕駛員交互概念并提高自動化駕駛領域的安全性。

責任編輯：xj