一項來自英國薩里大學睡眠研究中心的研究在Derk-Jan Dijk教授的領導下對36名參與者進行了睡眠研究。在時長40個小時的研究過程中，他們被要求放棄掉一晚的睡眠時間，然後在這期間Dijk他們採集了參與者的血液樣本並測量了數千個基因表達水平的變化。

資料圖

機器學習演算法確定了68個基因子集並檢測出血液樣本究竟是來自睡眠不足的人還是來自休息良好的人，準確率達到了92%。

這一突破性發現為未來評估司機是否為睡眠不足的測試鋪平道路。美國汽車協會交通安全基金會此前在該領域的研究顯示，如果司機一天內睡眠的時間比建議值少了1到2個小時，那麼發生車禍的風險幾乎增加了一倍。

薩里大學生物資訊學高階講師Emma Laing博士表：“我們都知道睡眠不足會對我們的身心健康造成重大風險，尤其是在某一段時間內。然而想要獨立評估一個人的睡眠時間是很困難的，這使得警察很難知道司機是否還適合開車或僱主很難知道員工是否還適合繼續工作下去。”

薩里大學睡眠分子生物學教授Simon Archer則指出，識別這些生物標誌物是開發能夠準確計算出個體睡眠量的測試的第一步。

對此，Dijk表示，這是一項針對急性睡眠完全喪失的測試，下一步則是確定慢行睡眠不足的生物標誌物。

針對駕駛員疲勞狀態檢測的研究，最早可以追溯到20世紀30年代，早起研究者主要從生理醫學角度對駕駛員進行檢測，不過發展較為緩慢。近二三十年來，隨著感測器、影象處理、機器視覺、模式識別等技術的發展，各國都開始加快了對駕駛員疲勞狀態檢測的研究工作並取得了較大的研究進展。根據疲勞檢測方式的不同，大致可分為三種類型：基於駕駛員生理特徵的檢測、基於機動車行為特徵的檢測以及基於駕駛員行為特徵的檢測。

第一種方法是測量駕駛員的生理引數，該方法首先透過醫用測量儀器獲得駕駛員的生理特徵引數，如腦電圖（EEG）、心電圖（ECG）眼電圖（EOG）、肌電圖（EMG）等，然後分析這些生理特徵引數的變化過程，從而最終確定駕駛員的疲勞程度。基於駕駛員生理特徵的方法是一種精確、有效、客觀的疲勞檢測方法，很具有說服力，但這類方法是侵入性的，需要和駕駛員身體接觸，會對駕駛員造成不便。

第二種方法是測量車輛的行為，該方法主要是監控車輛行駛期間資料的變化狀況，如速度、方向盤轉動角度以及車道偏離檢測等，透過這些資料間接地評測駕駛員的疲勞程度。這類方法是非接觸式的，但這種方法受駕駛條件、駕駛經驗、車輛型別等的影響較大，而且需要花大量時間去收集並分析駕駛員的行為習慣，很難檢測出輕微疲勞。

第三種方法是對駕駛員面部進行分析，對比駕駛員在疲勞狀態情況下與正常情況的面部不同表現，總結出一些典型疲勞特徵。如駕駛員頭部姿態、眨眼頻率、視線方向以及打哈欠檢測等。根據這些特徵利用計算機視覺技術，在駕駛員的影片影象中檢測並提取疲勞特徵，計算疲勞引數，從而最終確定駕駛員的疲勞程度，目前這一方法正漸漸被整車廠商接受並採用。

我本身研究方向就是疲勞駕駛檢測/面部特徵分析，這期間查閱了大量文獻和最新疲勞預警產品，大部分採用的是透過影象分析手段對駕駛員臉部與眼睛特徵進行疲勞評估，這種方法是非侵入性的，不需要和駕駛員身體接觸，不影響駕駛員開車行駛，而我也是在這方面去做研究的，以上僅代表個人觀點。