蔡 羽，徐朝阳

（1.江苏科技大学电信学院，江苏镇江212003；2.中国船舶重工集团公司第723研究所江苏扬州225001）

交通安全主管部门调查数据显示，疲劳驾驶是引发车祸的重要因素之一[1-3]。因此，研究疲劳检测技术对驾驶员的行车安全具有重要意义。目前疲劳检测方法大体分为3类：1）基于驾驶员生理参数，检测准确性高，但是成本很高，而且需要与人体接触；2）基于驾驶员的操作行为及车辆状态参数，准确性不高；3）基于驾驶员生理反应特征参数，检测准确性较高，非接触式。三者相比较而言，第三种方法成为当前的检测的首选。PERCLOS已被证明是一种有效的疲劳检测手段，但仅仅根据眼睛的状态信息进行驾驶员的疲劳程度的判定，容易漏判、误判。基于此，本文通过摄像头来实时的拍摄驾驶员的图像，获取双眼、鼻和嘴部状态参数，分别合成相应模板，根据不同区域所含信息量和疲劳判断所占重要程度对其设定不同的权重系数，结合多目标优化和卷积相关理论知识，确定驾驶员的疲劳与否。实验结果表明，综合三者面部器官检测，增强重要器官对实验结果的影响，比单纯的参数检测具有更高的准确性。

1 驾驶员人脸定位

通过摄像头拍摄所获得的驾驶员图像并不能直接进行人脸的检测，计算机在进行图像处理的过程中容易出现失真，在传输过程中受到各种噪声的干扰，造成图像与原图像存在一定的差异[4-5]。因此，对图像进行预处理是十分有必要的，图像颜色的纯正可以提高图像特征聚类与提取的正确性，有利于后续人脸定位的精度。……