詹润哲,姜 飞

宿州学院信息工程学院,宿州，234000

疲劳驾驶是交通事故的重要成因之一。根据美国汽车协会(AAA)交通安全基金会的调查数据显示，疲劳驾驶在美国的交通事故死亡事件中占据21%的比例，每年约6 400人因此丧生。检测驾驶员的疲劳度，并在其超过一定阈值时报警，是智能交通领域、智能辅助驾驶的一项关键技术。

近年来，国内外研究者对驾驶员疲劳检测技术进行了深入研究[1]。检测方法主要分为两大类：一是根据外部硬件设备的受控表现，判断驾驶员行为是否为疲劳驾驶，如通过传感器获取车辆在行驶过程中的参数(道路线检测、速度变化、车辆间距离)判断异常情况[2]；二是通过驾驶员自身的生理特征检测驾驶员是否构成疲劳驾驶，如通过心、脑、眼电图取得驾驶过程中的变化数据综合判断[3]，通过驾驶员正常与疲劳状态下的视觉特征不同，采用模式识别的方法进行判别[4]。

以硬件传感器为主的方法其准确性与检测仪器的精度和相关参数有较大关系，且接触式检测对驾驶员操作构成了障碍。本文基于机器视觉技术进行疲劳检测，主要是对疲劳特征的挖掘、提取以提高检测的实时性和准确性。

1 疲劳检测方法设计

本文以非侵入的方式为出发点，采用面部特征的融合作为疲劳检测的主要指标。所提出的算法流程由四个阶段组成，即人脸检测、关键区域分割、疲劳参数计算和判定预警。首先，对视频图像进行滤波等图像预处理，使用优化的类Haar特征检测算法进行人脸检测。……