王彦博， 张剑书， 孙新元

（南京工程学院计算机工程学院， 南京 211167）

0 引 言

疲劳驾驶行为是造成交通事故的主要因素之一，交通事故常常会造成巨大的经济损失，甚至威胁到驾乘人的生命安全［1］。 据交通部统计，中国每年因疲劳驾驶导致的交通事故约占所有交通事故的20%，在特大交通事故中占比40%，且其发生数量呈现出逐年升高的趋势［2］。 因此，通过各项技术手段实现对驾驶员的疲劳检测，并及时给予提醒是必要的。

近年来，随着机器视觉技术和机器学习的兴起，人脸检测和面部信息提取技术得到了进一步的发展，在人工智能等领域发挥着举足轻重的作用，基于驾驶员的面部图像数据分析面部状态，以实现对驾驶员疲劳检测与预警，在驾驶安全领域具有重要的实用价值和研究意义［3］。 Hernandez 等［4］提出了以驾驶员脑电信号为基础的疲劳检测方法；在针对图像数据的疲劳检测方面，Majdi M S 等［5］提出了一种基于卷积神经网络和随机决策森林的驾驶员注意力分散检测方法，其分类准确率能达到95%。

本文提出了一种基于机器视觉的驾驶人疲劳检测算法，针对车内监控设备采集的司机面部图像进行预处理，提取出面部关键点信息；融合眼部、嘴部和头部姿势3 个特征，分别检测驾驶员的眨眼、打哈欠和点头行为，从而综合评价驾驶人的疲劳状态。

1 疲劳特征提取

疲劳特征提取是实现疲劳检测算法的前提。 与正常状态相比，人在疲劳时，嘴巴、眼睛和头部姿势会表现出较大差异。……