王国栋，王增才，范佳城

(1.山东大学机械工程学院，山东 济南 250061) (2.山东大学高效洁净机械制造实验室教育部重点实验室，山东 济南 250061) (3.山东大学机械基础实验教学中心国家级实验教学示范中心，山东 济南 250061)

驾驶员眼睛状态检测是驾驶员疲劳检测的重要组成部分，有效的眼睛状态检测算法为驾驶员眨眼频率及闭眼时间等与疲劳相关的眼部参数的计算提供了基础。目前用于眼睛状态检测的方法包括4种：基于运动的眼睛状态检测[1]、基于特征的眼睛状态检测[2-3]、基于外观的眼睛状态检测[4-5]和基于深度学习的眼睛状态检测[6-7]。基于运动的眼睛状态检测方法通过检测眼睛视频中眼睑运动的时空特征对眼睛状态进行检测。基于特征的眼睛状态检测方法通过模板匹配和眼部特征实现对眼睛状态的检测。 这两种方法在实际运用中鲁棒性较差，眼部图像质量的好坏会严重影响检测准确率。基于外观的眼睛状态检测方法通过提取眼部信息对眼睛状态进行检测。文献[4]提出了多尺度直方图(MultiHPOG)以用于检测眼睛状态，该方法需要手动提取眼睛特征，此过程会消耗实验人员大量时间。随着深度学习的迅速发展[8-9]，一些基于深度学习的方法相继被提出，其通过深度卷积神经网络对眼睛图像进行信息分析，最终通过分类器对眼睛状态进行判别。文献[6]建立了深度集成神经网络(DINN)用于检测眼睛状态。文献[7]提出了多尺度汇集卷积神经网络(MSP-Net)用于检测眼睛状态。……