张 露 张 静 杨薛涛 陈忠强 游斌相 王银玲

(西南科技大学智能机器人创新实践班 四川绵阳 621010)

疲劳驾驶是诱发严重交通事故的重要原因之一，据统计，60%以上的交通事故与疲劳驾驶有关，防范疲劳驾驶刻不容缓。

在人眼状态判别方面，众多学者提出了不同的检测方法。Tian等提出用Canny边缘和半虹膜掩膜的方法检测眼睛开、闭两种状态［1］;李英等综合5种方法来检测开眼和闭眼状态［2］;胡涛等利用形状特征判断人眼状态［3］;Khan等提出实时眼睛跟踪和分类驾驶员疲劳检测［4］;苑玮琦等提出基于PERCLOS的眼睛张开程度检测算法［5］;Fei Yang等通过网络摄像头跟踪眼睑状态判别疲劳［6］;FAN Xiao等提出首先利用模板匹配方法获得初始帧的准确眼睛位置，然后利用动态模板匹配方法跟踪下一帧的位置，最后通过相似度检测眼睛状态［7］;袁翔等人综述了当前疲劳检测研究进展，提出基于人眼视线的检测方法，通过对眼球建模，把视线是否偏离正常范围作为判别是否疲劳的特征之一［8］。

目前判别人眼开、闭状态均依据单一指标进行判别，而且公认的疲劳判别标准PERCLOS能有效判别是否疲劳，经检测PERCLOS方法检测一般是在事故前10 s出现，留给司机的反映时间太短。在驾驶疲劳检测过程中，人眼状态并非只有睁眼和闭眼两种状态，而是有大量中间状态，中间状态包含了临界疲劳的状态，有效利用PERCLOS方法就须在临界疲劳时发出预警。

本文在现有的疲劳驾驶检测方法的基础上继续研究如何判……