孙 玥 杨国为，2 陈雪鑫

（1.青岛大学电子信息学院 青岛 266071）

（2.南京审计大学信息工程学院 南京 210000）

1 引言

随着交通运输业的发展，恶性交通事故频繁发生，这对人民的生命财产构成了威胁。其中，疲劳驾驶是导致交通事故频发的原因之一。现有的疲劳驾驶检测算法可根据疲劳特征分为三类：基于生理特征的算法、基于行为特征的算法和基于视觉检测的算法。文献［1～4］提出了一种基于脑电信号（Electro Encephalo Gram，EEG）的睡眠检测模型。然而，EEG信号易受噪声影响并且难以收集。EOG（Electro Oculo Gram，EOG）［5～7］比EEG更容易收集，可用于免疫轻微噪音。然而，安装用于收集的头部装置仍然相对麻烦。行为特征包括驾驶人行为特征和车辆行为特征，刘洋洋［8］提出的方法虽然可以检测司机疲劳状态，但是算法复杂，反映速度慢且识别率低。文献［9］使用驾驶模拟器来建立模拟驾驶场景。并根据需要确定要获得的数据，以确定车辆是否失控。但会受到路面条件和车辆型号的限制。基于视觉的方法是通过使用由相机拍摄的图片来检测疲劳，以检测驾驶员是否具有长时间的疲劳状态。文献［10～11］提出了一种基于机器视觉的头部姿态估计新方法。这类方法对驾驶员是非侵入式的，更为方便自然，成本也能得到很好的控制。

本文采用计算机视觉的方法首先利用Dlib构架人脸识别器，继而利用Dlib官方训练好的模型进行68点标定，提取出眼部、嘴部、下巴周围的特征点的坐标，根据双眼关键点计算眼睛纵横比，类比眼睛纵横比，提出……