陈小强，熊 烨，王 英，陈思彤

(1.兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070；2.光电技术与智能控制教育部重点实验室，甘肃 兰州 730070)

随着我国铁路的发展，列车司机作业由传统的列车操控，转变为列车实时运行信息的长时间监控[1]。由于列车运行时间长且路况复杂的特点，列车司机的工作量日益加大，疲劳驾驶的可能性也日益增大。因此，实时检测出列车司机疲劳程度并预警，对保证列车的安全运营有重大意义。但我国铁路现有线路上机车车载行车安全装置主要是依靠司机一段时间后重复按无人警惕键来确定列车处于正常驾驶状态，大部分机车所配备的能够反映司机驾驶疲劳的车载装置也仅用于事后分析机车状态数据和司机操作数据的机车运行监控记录仪，基本不具备驾驶过程中的在线监测功能。

目前国内外对疲劳检测的研究多是从面部表现、人体生理指标、驾驶行为出发[2]。面部表现以其操作简单、成本低、无需穿戴特殊设备的优点成为近年来的研究热点。

面部表现可大致分为基于眼睛、嘴巴、多面部特征融合三种。

在眼睛特征中，文献[3]利用眼睛开合度计算单位时间内闭眼百分比判断司机是否疲劳。文献[4]构建双流双向卷积神经网络(BCNN)利用双目一致性进行信息交互以检测眼睛凝视方式，并提出基于瞳孔距离的人眼遮挡机制(ESM)，以消除侧脸检测时遮挡人眼带来的疲劳检测误差。文献[5]分析疲劳前后人眼瞳孔直径大小随时间的波动的情况，司机清醒状态时以低波幅、快频率为主；……