基于眼睛状态识别的疲劳驾驶检测
2020-08-03任小洪陈闰雪
科学技术与工程 2020年20期
徐 莲, 任小洪, 陈闰雪
(1.四川轻化工大学自动化与信息工程学院,宜宾 644000;2.人工智能四川省重点实验室,自贡 643000;3.四川轻化工大学计算机学院,宜宾 644000)
据中国统计年鉴数据显示,1995—2014年平均每年有38.2万起交通事故发生,而35%~40%的交通事故都是由疲劳驾驶引起的,及时检测疲劳并作出预警是降低交通事故的有效方法之一。疲劳驾驶检测技术大致可分为行为检测、生理检测和视觉检测3类[1-3],视觉检测具有非入侵性和准确率高等特点,在疲劳检测领域得到广泛应用。
视觉检测主要是通过眼睛状态、头部姿态和面部表情3个方面来确定疲劳程度,其中眼睛包括丰富的信息,不易受外界干扰和人为抑制。闫河等[4]采用194个特征点的人脸主动形状模型,结合harr级联定位眼睛区域,通过光流法跟踪眼睑特征点识别眼睛状态,进而实现驾驶员面部疲劳检测。该方法对光照变化有较好的适应性,但是眼睛状态识别的准确率还有待改善。Wang等[5]提出一种基于Adaboost和等高线圆的眨眼疲劳检测算法,先采用Adaboost算法对人脸与眼睛区域进行检测,用网格方法去除瞳孔区域的像素,然后用最小二乘法对上眼睑轮廓进行拟合,最后根据PERCLOSE判断疲劳。李长勇等[6]对驾驶员人脸进行建模,提取驾驶员的视线、眼部PERCLOSE特征,建立基于贝叶斯置信网络的多信息融合疲劳检测方法。罗元等[7]结合灰度投影与级联卷积神经网络定位眼睛,利用人眼6个特征点识别眼睛开闭度,根据PERCLOSE比值进行疲劳判断。该类方法在正面能够达到较好的检测精度,但易受光照与头部姿态的影响。……
登录APP查看全文
