中文摘要：

本课题针对轨道交通的特殊性，重点研究以下两个关键问题1）研究和建立驾驶疲劳模型，拟建立多变量输入的驾驶疲劳近似耦合模型，在线视觉监测模型，并实现多种驾驶疲劳唤醒机制研究；2）建立仿人智能辅助决策算法模块，以信息的智能决策方法为主，引入的人的智能行为决策模型。最后上述两个算法模块在轨道交通硬件平台上进行验证、测试和改进，最终得到可用的算法模块。上述算法模块进一步可以推广到类似的单调封闭环境的交通中（如高速公路、客运飞机等）。 本课题以中科院自动化研究所申请团队前期在机器学习、信息感知理解和智能决策的研究成果作为理论基础，辅以中科院心理研究所的心理学分析和行为学实验设计，对上述关键问题进行研究，所得算法模块在北京交通大学轨道交通硬件平台和系统中验证和测试，从而保证课题的成功实施。

结论摘要：

在本项目的资助下，课题组在机车辅助安全驾驶方面主要完成了以下三方面的研究工作 a) 在线视觉监测方面，针对车载环境的复杂多变性,提出了稳定的视觉疲劳特征提取和实时有效的分类器设计方法。视线特征提取过程中,通过引入标准化人眼图像，解决了头部运动对视线估计的影响；在分类器设计方面，提出了一种快速增量式支持向量机的目标分类检测算法，提高动态视觉特征获取和分类的速度和稳定性。基于HMAX模型的不变性机制，进一步提出了一种新的图像分类器结构，相比于HMAX模型所具有的平移和尺度不变性，能够产生针对更为复杂的图像变换（如视角，光照等的变化）的不变性。 b) 在驾驶疲劳模型学习方面，采用向量值函数的稀疏学习框架和流形学习等方法，研究和建立了一种多变量核回归的驾驶疲劳耦合估计模型；进一步基于神经网络深层学习能力，构造出了具有自学习能力的多层前馈神经网络，模拟影响驾驶疲劳的因素与疲劳状态间的映射关系。 c）在疲劳缓解和唤醒策略研究方面,将疲劳监测和注意力引导系统组合，形成完整的疲劳状态监测——唤醒机制， 对选择性注意机制理论的进行了深入探索和研究，提出了多种能抗干扰，稳定的显著性特征提取方法。在仿人智能决策方面，在人的行为决策的 SRK 模型（skill, rule and knowledge）的基础上，进一步引入了人的记忆联想和学习机制，给出智能类人决策。基于上述工作，本课题也在论文发表、学生培养、学术交流做了一系列工作，研究工作将进一步面向应用展开，期望能够对我国机车无人安全驾驶起着重要的推动作用。