隨著社會經(jīng)濟(jì)的發(fā)展，我國汽車保有量逐年增加，交通安全形勢愈發(fā)嚴(yán)峻。在所有交通事故的成因中，由疲勞駕駛造成的交通事故占總交通事故的20%左右，占特大交通事故40%以上。目前，疲勞駕駛的檢測方法主要分為三大類：基于生理指標(biāo)的檢測方法、基于駕駛員行為特性分析的檢測方法和基于面部表情識別的檢測方法。基于生理指標(biāo)的檢測方法采用接觸式測量方式，一般通過測試駕駛?cè)藛T的生理信號來推測駕駛?cè)说钠跔顟B(tài)。文獻(xiàn)[2]使用一種自制駕駛員腦電圖信號檢測裝置，采用快速傅里葉變換提取腦電圖功率譜密度，當(dāng)分析腦電圖功率譜密度發(fā)現(xiàn)疲勞時(shí)，采取一種自動減速的車輛速度控制策略。這種接觸式生理參數(shù)測試方法通常需要被測者佩戴相應(yīng)的裝置(如電極片等)，會給駕駛行為造成極大干擾，不適合實(shí)際行車環(huán)境下的應(yīng)用。基于駕駛?cè)诵袨樘匦缘钠跈z測方法受道路環(huán)境、行駛速度、個(gè)人習(xí)慣、操作技能等的影響，并不適用我國復(fù)雜多變的道路情形。得益于機(jī)器視覺等人工智能的發(fā)展，基于面部表情的疲勞駕駛檢測方法因其應(yīng)用成本較低、無需干擾駕駛?cè)藛T，已經(jīng)成為該領(lǐng)域的研究熱點(diǎn)。文獻(xiàn)[3]基于開源庫提取的人臉輪廓點(diǎn)計(jì)算眼和嘴的縱橫比，生成瞇眼和哈欠特征，基于線性擬合趨勢提取法生成車輛操縱活躍度特征，然后采用改進(jìn)的隨機(jī)森林模型對疲勞狀態(tài)進(jìn)行識別。文獻(xiàn)[4]提出了一種采用級聯(lián)的序列級和幀級兩層檢測模型，分別處理持續(xù)睜眼和眨眼的視頻序列，實(shí)現(xiàn)由粗到精漸進(jìn)地檢測眨眼的方法，通過隨機(jī)回歸森林計(jì)算眼睛開合度，最終完成眨眼過程。文獻(xiàn)[5]針對復(fù)雜光照和姿態(tài)變化造成疲勞駕駛的原因，提出了實(shí)時(shí)增強(qiáng)約束局部模型的多信息疲勞檢測方法。文獻(xiàn)[6]提出比例縮減區(qū)域(PRA)的方法快速定位人眼，其原理為對面部區(qū)域反復(fù)迭代縮減，最后得到對人眼區(qū)域的定位。因此，構(gòu)建一種可靠快速的人眼定位技術(shù)是對駕駛?cè)藛T疲勞檢測的關(guān)鍵。由于光照、道路兩側(cè)樹木及樓房陰影等原因的影響，直接在原始圖像中進(jìn)行人眼定位存在較大困難，而且準(zhǔn)確率較低，因此，人眼定位一般分為如下步驟：第一步，在原始圖像中定位出人臉區(qū)域；第二步，在人臉圖像中粗定位出人眼區(qū)域；第三步，對人眼區(qū)域進(jìn)行精確定位。

       考慮到不同特征維度對人臉的貢獻(xiàn)程度不同，本文提出了一種基于信息熵加權(quán)的方向梯度直方圖(Histogram of Oriented Gradients，HOG)與支持向量機(jī)(Support Vector Machine，SVM)相結(jié)合的人臉檢測算法，可以有效提取人臉特征，并準(zhǔn)確完成人臉定位。在完成人臉檢測之后，以人臉區(qū)域?yàn)槟赴妫炔捎肙penCV開源實(shí)現(xiàn)對人眼的粗定位；然后采用自商圖消除光照影響，遍歷尋找最優(yōu)二值分割點(diǎn)；最后用二值分割圖像進(jìn)行積分投影，實(shí)現(xiàn)瞳孔的精確定位。該算法解決了復(fù)雜光照下的瞳孔定位問題。

本文詳細(xì)內(nèi)容請下載:http://m.viuna.cn/resource/share/2000003147

作者信息：

杜永昂，楊耀權(quán)，金玥佟

(華北電力大學(xué) 控制與計(jì)算機(jī)學(xué)院，河北 保定071003)