张正本

摘要：本研究目的是通过人脸监测技术和压力测量来检测驾驶员的疲劳情况及时发出警告， 有助于预防交通事故的发生。在研究中，设计了一个系统通过面部监测技术和压力测量来检测司机的疲劳状态。提出的方法分为两步：检测驾驶员的生理表现和测量驾驶员的状态。生理性能可以通过使用一种力敏感的电阻器的压力测量来获取。第二步是通过图像处理完成的计算机视觉方法。计算机视觉方法捕捉图像，检测到驾驶员打哈欠和眼睛闭合的状态。从上述两个步骤中收集的结果与一种疲劳评估技术相结合，来判定困倦程度。提出了该算法，并对其进行了测试，结果表明，该算法能够有效地检测驾驶员的疲劳驾驶状态，通过预警提示系统可以有效防止路面交通事故的发生。

关键词：疲劳检测，人脸监测，压力测量，预警提示

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）19-0288-02

Abstract： the purpose of this study is to detect the fatigue situation of the driver by the face monitoring technique and the pressure measurement， which can help prevent the occurrence of traffic accidents. In the study， a system was designed to detect fatigue of drivers through facial monitoring techniques and pressure measurements. The proposed method is divided into two steps： detecting the driver's physiological performance and measuring the state of the driver. Physical properties can be obtained by using a pressure measurement of a force sensitive resistor. The second step is the computer vision method through image processing. The computer vision method captures images and detects when the driver yawns and the eyes are closed. The results collected from these two steps are combined with a fatigue assessment technique to determine the degree of sleepiness. The algorithm are presented， and the tested， the results show that the algorithm can effectively detect the driver's fatigue state， through the early-warning prompt system can effectively prevent the road traffic accidents.

Key words：fatigue detection；face monitoring；pressure measurement；warning.

疲劳驾驶是指驾驶员在经过长时间的连续驾驶后产生的精神和生理功能紊乱[1]。国际统计数据显示， 这是造成世界交通事故的主要原因之一。根据现有的统计数据， 每年有超过130万人死于公路， 20 至5000万人因交通事故而遭受非致命伤害[2]。根据警方的报告， 美国国家公路交通安全管理局保守估计， 每年共有10万辆车祸是驾驶员过度疲劳驾驶的直接结果。这些事故导致大约1550人死亡、7.1万受伤和125亿美元的金钱损失.每天大约八个人死在道路事故。实际死亡率可能会更高。正如所报告的那样， 与事故报告制度有关的问题和由此产生的数据没有得到解决[3]。开发疲劳检测系统或防止驾驶员疲劳驾驶的技术是交通事故避免系统领域的一大挑战。由于驾驶员在道路上疲劳驾驶带来的不可估量的危险， 需要采取有效的措施和方法来避免或者抵消其影响[4]。在公路上发生的事故有很大一部分是由于驾驶员疲劳造成的，如果能够检测到司机疲劳并及时发出警告可以帮助预防许多事故， 从而节省不必要金钱和大大减少人员伤亡甚至生命损失。研究表明有效的检测驾驶员的疲劳情况并及时发出警告， 有助于预防事故的发生。

本文提出了一种基于人脸监测技术的疲劳驾驶检测系统， 即从脸部提取特征[5]， 检测眼睛和打呵欠状态利用传感器测量压力。

1 提出的方法

駕驶员疲劳驾驶检测可分为3大类.生物指标，测量脑电波，心率等生理学指标。最佳检测精度需要驾驶员与驱动程序进行物理接触。对车辆行为例如速度， 转动的角度也需要纳入系统的检测环境中，额外的一些限制因素， 如车辆类型， 驾驶经验和驾驶条件也需要加入一定的参考。脸部分析，因为人脸是动态的， 所以具有高度的变异性，大大增多了困难度。人脸检测被认为是计算机视觉研究中的一个难题。人眼扮演重要的角色包括面部识别和表情分析。

这项工作的重点是提供一个解决方案， 以检测和监视工作在工作站后面的操作员的警觉性。它只包括一个高清的摄像头用以捕捉图像， 压力传感器， 以测量压力， 然后将相关的数据传入开发的分析程序中。该系统根据眼部闭合状态、打呵欠和压力测量检测疲劳驾驶状态， 计算疲劳驾驶程度。

提出方法的主要的步骤如下：

1）从网络摄像头捕获图像[6]；2）从面检测和提取特征；3）检测眼睛并测量虹膜大小；4）检测口和测量偏航状态；5）计算压力传感器的压力；6）将数据存储到数据库[7]中；7）将数据合并以提供结果。

2实验分析

实验中使用了120种不同的脸部图像。压力测量精确到持续的2分钟。最后， 这个实验参考了一个时长2分钟的疲劳状态数据集。面部特征提取：对于人脸检测， 第一步是加载图像。然后使用图像处理工具箱面检测。这里采用了中提琴算法的级联对象检测器，使用 FrontalFaceLBP模式。然后将脸部与原始图像分开。面由边界框显示。眼部状态测量：测量眼睛的状态是否司机的眼睛是闭合的或打开的或幾乎关闭状态。采取了裁剪的眼睛图像， 并掩盖了图像的形态学操作。补充图像和填补必要的孔。圆盘形结构元素被用来腐蚀图像。在腐蚀后， 利用边界函数获取圆形物体的边界值， 即虹膜， 绘制边界。提取边界值的区域属性后， 使用相关公式计算参数，然后用下面的矩阵方程获取对象的值。打呵欠检测：把裁剪过的嘴巴图像和伪装成形态学操作的图像。菱形结构元素侵蚀图像。利用高斯方法的拉普拉斯法检测了口缘的腐蚀。要测量宽度， 只需从最右边的像素减去最左边的最大像素并获取值。压力测量，对于压力测量需要专业的工具提供计算精度。预警提示设备，在系统判定驾驶员达到疲劳驾驶状态时，发生语音提示并通过驾驶座位的震动装置进行唤醒。

3结果与分析

疲劳驾驶评估：实验场景中可以检测到的疲劳状态如表1所示。基于眼睛闭合状态和打呵欠检测的数据结果如表2所示。时长2分钟的疲劳状态综合测试结果如表3所示，对驾驶员疲劳驾驶的检测结果进行了计算， 发现了真正昏昏欲睡的面孔数， 发现了假面孔。使用眼睛， 计算精度为87.87%。

4结论

设计了一个系统通过面部监测技术和压力测量来检测司机的疲劳状态的驾驶员疲劳驾驶检测系统。所提出的系统是基于眼睛闭合状态， 打呵欠和压力测量的综合检测并接管相关的评估系统进行疲劳程度判定。实验证明，该系统可以有效检测驾驶员的疲劳驾驶状态，并能够及时地对驾驶员做出有效的提示。在接下来的研究中，系统存在许多方面得到改进， 如运动传感器等传感器， 车辆的转向角， 以获得更好的警觉状态的驾驶员，这些将是进一步研究的方向。

参考文献：

[1] 蒋建春，蒋丽，唐慧，等.基于脉搏IMF时频特征和SVDD的驾驶员疲劳检测[J].计算机科学，2016，43（7）：314-318.

[2] 赵伟.基于DWT和随机森林的运动自动分类方法[J].湘潭大学自然科学学报，2018，40（1）：107-110.

[3] 廖洁，刘琳. 利用彩色图像阴影属性分析的阴影检测方法[J].湘潭大学自然科学学报，2017，39（4）：119-122.

[4] 张馨娇，李建萍.体育视频中基于卡尔曼滤波器的运动员人脸检测识别方法[J].湘潭大学自然科学学报，2017，39（4）：95-98.

[5] 许鹏程，李志斌，黄启韬，等.基于多特征融合的驾驶员状态检测的实现[J].电子技术应用，2017，43（4）：13-16.

[6] 吕福起，李霄民.利用MLT和SRS的混合图像融合与去噪算法[J].湘潭大学自然科学学报，2018，40（1）：111-114.

[7] 党红恩，赵尔平，刘炜，雒伟群.利用数据变换与并行运算的闭频繁项集挖掘方法[J].湘潭大学自然科学学报，2018，40（1）： 119-122.