杨萍茹，黄 勇，廖龙涛，孙棣华，陈 希，王正江

（1.重庆城市综合交通枢纽开发投资有限公司，重庆 401121；2.重庆大学 自动化学院，重庆 400044；3.重庆市公共交通控股（集团）有限公司，重庆 401121）

目前我国机动车保有量已经突破2亿，车辆的增多及交通设施的完善给人们的出行带来了巨大的便利，但是也引发了一系列的交通事故。据有关统计数据，在各类事故死亡人数中，交通事故死亡人数所占比例为78.5%。其中，驾驶员疲劳造成交通事故的占总数的20%左右，占特大交通事故的40%以上［1］。

如果驾驶员在疲劳状态下驾驶车辆，不仅自己的人身财产安全存在隐患，而且容易对其他行人及车辆造成安全影响。因为疲劳驾驶所引发的交通事故并不是在驾驶员刚刚产生疲劳时就发生，所以可以通过一种疲劳驾驶监测手段在驾驶员产生疲劳时进行预警提示，从而使得驾驶员可以采取一定的预防措施，以避免事故发生。

现有研究中有多种方式能够实现疲劳驾驶监测，总结起来主要包括3种：①基于驾驶员面部特征的检测（如眼睛的闭合状态、面部表情、眨眼速度等）；②基于驾驶员生理特征的检测（如心电信号、脑电信号以及肌电信号等）；③ 基于驾驶行为的检测（如方向盘转角、车辆位置、车辆加减速等）。WierwiIIe［2］最早基于模拟实验提出PERCLOS（一定时间内眼睛闭合时间所占的比值）指标用于驾驶疲劳识别，后来研究表明该指标是疲劳识别最有效的指标之一。Mbouna等［3］从驾驶员脸部视频各片段中提取了EI（眼睛闭合度）、PA（瞳孔偏离率）和HP（头部姿态偏差）等3类眼睛和头部特征，并基于SVM建立疲劳识别模型后验证其平均错误识别率为5.16%。……