樊 星，刘占文，林 杉，窦瑞娟

（1.长安大学 电子与控制工程学院，西安 710064；2.长安大学 信息工程学院，西安 710064）

0 概述

疲劳驾驶是导致交通事故的重要因素之一，会给国家和个人的生命财产安全造成严重损失。疲劳是一种随着时间的推移而积累的生理状态，在事故发生前的一段时间内驾驶员就会出现相应的征兆［1］。若能提前发现疲劳状态，使驾驶人放弃对车辆的控制，则能有效减少疲劳驾驶造成的交通事故。

现有疲劳驾驶检测方法主要分为基于车辆行驶模式检测、基于驾驶员生理特征检测、基于驾驶员行为检测3 类。车辆行驶模式包括转向模式、制动模式和车辆在车道上的位置［2-3］，对其检测对路况和驾驶技能有很强的依赖性。驾驶员生理特征主要包括通过生物电信号获得的脑电图（EEG）、心电图（ECG）和眼电图（EOG）［4-5］。文献［6］提出一种自适应多尺度熵特征提取算法，基于脑电数据检测疲劳状态。文献［7］提取驾驶员心率变异性数据以实现疲劳驾驶的检测。文献［8］利用表颈腰部肌电信号EMG和头部脑电信号EEG 判别驾驶员的疲劳状态。文献［9］通过采集眼睑周围皮肤上的肌电信号检测眼睑的闭合情况，从而达到疲劳检测的目的。然而，生理信号采集需要驾驶员佩戴各种信号测量工具，这降低了驾驶员的驾驶舒适性，易对驾驶行为造成影响，不能大范围推广。

驾驶员行为监测随着机器视觉技术的广泛应用而成为研究的热点，主要包括面部特征，如闭眼、头部运动、打哈欠时间、凝视或面部表情。……