基于行為特征的疲勞駕駛檢測技術研究

陳詩禮，雷 霖，趙永鑫

(1.西華大學 數學與計算機學院，四川 成都 610039;2.成都大學信息科學與技術學院，四川 成都 610106)

基于行為特征的疲勞駕駛檢測技術研究

陳詩禮1，2，雷 霖2，趙永鑫2

(1.西華大學 數學與計算機學院，四川 成都 610039;2.成都大學信息科學與技術學院，四川 成都 610106)

介紹了幾類目前常用的疲勞檢測技術的優缺點，提出了一種改進的疲勞駕駛檢測方法:先通過2次圖像投影和形態學方法實現眼睛精確定位;再根據眼睛睜閉時，其眼睛寬高比的差異，提出一種眼睛狀態的識別方法;根據PERCLOS方法的判斷是否疲勞.算法能夠有效減少計算量提高運算速度，并在實驗室內取得了較高的精確度.

疲勞駕駛檢測;圖像投影;眼睛定位;眼睛狀態識別

0 引言

隨著汽車數量的急劇增加，交通安全成了一個重要的問題.其中，疲勞駕駛是造成交通安全事故的主要因素之一［1］.此外，高速公路網絡日趨發達，汽車性能不斷提高，駕駛人員在一個舒適的駕駛條件和環境中，更容易產生疲勞［2］.因此，研究一種實時有效的駕駛人員疲勞狀態實時監測及預警技術具有重要的現實意義.

1 疲勞駕駛檢測方法

目前，關于疲勞駕駛的檢測方法主要有3類:基于駕駛人員生理參數的檢測，基于駕駛人員行為特征的檢測以及基于車輛行為特征的檢測［3－5］.

1)基于駕駛人員生理參數的檢測方法，主要是利用醫療器械，采集駕駛人員的生理特征信息，再據此進行疲勞判斷.由于人的生理特征能夠直接反應其疲勞狀態，所以該方法具有極高的準確率.然而，該方法在應用中需要采用接觸式檢測裝置，且設備成本較高，不利于實際應用.

2)基于駕駛人員行為特征的檢測方法，主要是利用圖像處理和模式識別技術，通過檢測人體在疲勞狀態時的反應特征，從而進行疲勞判斷.由于人的面部表情特征，能夠很直接地表現其疲勞狀態，因此該方法具有較高的準確率，且因其是一種非接觸式檢測技術，所以其實用性較高.然而，圖像處理的手段與方法會使其計算量較大，運算時間較長或設備成本較高.

3)基于車輛行為特征的檢測方法，主要借助車載傳感器，采集當前車輛的運行特征信息，并據此分析駕駛人員的疲勞狀態.由于駕駛人員疲勞時，其控制力下降，導致車輛的運行特征與清醒時不一致，因而有一定的準確率.因為該方法是根據車輛自身數據進行檢測，此可大幅度降低檢測設備的成本.同時，該方法也是采用非接觸式檢測方式，有一定實用性.但該方法容易受到路況等外界因素影響，其檢測的準確率不高.

綜上所述，基于駕駛人員行為特征的檢測方法具有更好的實用性.據此，本研究也采用該方法，并以駕駛人員的眼睛作為研究對象，設計了一種改進的檢測方法，在減少圖像處理計算量的情況下，能夠有較高的準確性.

2 眼睛定位及跟蹤

本研究中的眼睛定位主要分為2個步驟:眼睛粗定位與眼睛精確定位.眼睛粗定位，是為了將圖像中包含眼睛的人臉部分，從復雜的背景中提取出來;眼睛精確定位，將圖像中的眼睛提取出來.

目前，對于眼睛定位的方法有很多，比如，模版匹配，利用人的膚色等.然而，這些方法的計算量都比較大，且受干擾的因素多.為此，本研究先利用積分投影進行眼睛粗定位，再通過差分投影和形態學方法進行眼睛精確定位.這樣做可以大量簡化計算的復雜度，并提高定位準確度.此外，由于每一幀圖像采集的間隔時間小，所以相鄰兩幀人眼的位置變化不大，可采用人眼跟蹤的辦法估計人眼位置，進一步減少計算量.

2.1 眼睛粗定位

假設I(x，y)表示圖像中某點的灰度值，則其垂直與水平投影函數為，

由于圖像的灰度信息是一些離散量，因此，垂直與水平投影函數可以轉換為，

根據公式(3)可以計算得出如圖1(b)所示的垂直投影，其中有一個較大的凸峰，該凸峰的寬度和人臉的寬度基本一致.通過公式(4)可以計算出如圖如圖1(c)中所示的水平投影，其中得到的第一個低谷對應于人的頭發(即X坐標為0的位置)，最高峰和次高峰分別對應于人的鼻子和額頭.經過垂直投影和水平投影后可以得到一個矩形區域如圖2所示.

圖1 垂直投影及水平投影圖

圖2 局部人臉圖

顯然，人眼一定會在該矩形區域中.由此，完成眼精粗定位.通過具體實驗發現，利用圖像投影計算求得局部人臉區域，具有魯棒性好和速度快的優點.

2.2 眼睛精確定位

由于眼睛周圍灰度值的變化比較顯著，因此本研究利用差分投影進一步縮小眼睛的范圍.此外，在眼睛周圍，瞳孔的灰度值最小，可根據最小灰度值取一個合理的閾值，將局部圖像二值化，再采用形態學方法，得到眼睛的連通區域，從而實現眼睛的精確定位.

假設I(x，y)表示圖像中某點的灰度值，則差分垂直與水平投影函數為，

假設I(x，y)表示經過差分投影后的眼睛圖像中某點的灰度值，則其閾值為，

根據式(5)與式(6)，可以在如圖2所示的局部人臉圖中計算得到局部的差分投影，再根據四鄰域尋找變化最大的位置，從而得到如圖3所示的精確眼睛定位圖.根據式(7)進行二值化，再利用形態學原理求得眼睛的連通區域后可以得到如圖4所示的二值化眼睛圖.

圖3 精確眼睛定位圖

圖4 二值化眼睛圖

2.3 眼睛跟蹤

顯然，如果每一幀圖像都經過上述步驟進行定位的話，其計算量將會十分巨大.由于每一幀圖像的采集間隔時間小，眼睛的位置變化不會很大，因而，根據這一特點采用眼睛跟蹤定位的方法，會大幅度減少不必要的計算，提高計算效率.

3 眼睛狀態識別

如圖5所示，隨著眼睛的閉合，檢測到的眼睛寬度與眼睛高度之比隨之在增加.經過實驗，當寬高比大于2.5的時候，眼睛完全閉合.

圖5 眼睛狀態識別圖

根據檢測到的眼睛二值圖中的眼睛寬高比，可以判斷出當前眼睛的狀態.然后，采用PERCLOS方法作為駕駛員的疲勞程度指標.PERCLOS的原理是，通過檢測一定時間內眼睛閉合時間所占的比例，來判斷駕駛員的疲勞程度.通過實驗顯示，閉眼時間所占比例越高，疲勞程度越重.本研究通過實驗發現，一分鐘內，如果眼睛閉合時間占總時間的三分之一以上則表明駕駛人員處于疲勞狀態.

4 實驗結果與分析

本研究實驗環境為:1.6 GHz的CPU、1 G的內存、Windows XP操作系統的PC機，輸出分辨率為176*144的攝像頭;采用Matlab 7.0仿真實現.在實驗中，通過對若干名人員(清醒和疲勞圖片各1 000張)進行檢測，得到如表1所示的實驗結果.

表1 清醒與疲勞狀態檢測

通過仿真實驗可以看出，本方法在人員清醒狀態下的識別率很高，疲勞狀態下也有較高的準確度.同時，經過測試發現，清醒圖的誤識別主要是因為陽光曝曬時，圖像整體灰度值偏高，使得眼睛圖像檢測失誤，同時，在測試人員面部偏轉過大時，也會出現檢測失誤.此外，在測試中，每一幀圖像的檢測耗時不超過4 ms，該技術完全可以實現實時監測.

5 結語

雖然本研究的方法有較高的準確率以及較為可靠的實時性，但也有一定局限性，比如在駕駛員帶上墨鏡、眼睛被遮擋等無法準確獲取眼睛圖像的情況時，本方法將會失效.對此，本研究下一步的思路是引入其他的方法進行輔助檢測，如方向盤的修正操作頻率、油門動作信息等，通過利用多信息融合技術來進一步提高判斷準確性.

［1］彭召意，周玉，朱文球.用于疲勞駕駛檢測的人眼快速跟蹤方法［J］.計算機工程，2010，36(15):191 －193.

［2］欒柱曉.駕駛員疲勞檢測系統研究［D］.長沙:中南大學，2009.

［3］楊海燕，蔣新華，聶作先.駕駛員疲勞檢測技術研究綜述［J］.計算機應用技術研究，2010，27(5):1621 －1624.

［4］胡樹平，朱長仁，戴濤.疲勞檢測技術綜述［J］.科技資訊，2012，10(9):246 －250.

［5］毛吉吉，嚴新平，吳超仲，等.疲勞駕駛時的車速變化特征［J］.北京工業大學學報，2011，37(8):1175 －1183.

［6］趙鐘.駕駛員疲勞檢測方法研究及嵌入式實現［D］.大連:大連海事大學，2010.

Research on Driver Fatigue Detection Based on Behavior Characteristics

CHEN Shili1，2，LEI Lin2，ZHAO Yongxin2
(1.School of Mathematics and Computer Engineering，Xihua University，Chengdu 610039，China;2.School of Information Science and Technology，Chengdu University，Chengdu 610106，China)

This paper discusses the advantages and disadvantages of some common methods about driver fatigue detection，and then proposes an improved method.Firstly，the method uses twice image projection and morphologic method to achieve precise eye location.Then，according to the difference of the width-height ratio of the eyes while opening and closing eyes，one new way for eye state identification is proposed.Finally，according to PERCLOS method，we can determine whether fatigue shows on driver.The algorithm can effectively reduce the amount of calculation，and improve computing speed，and achieve high accuracy in the laboratory.

driver fatigue detection;image projection;eye location;eye state identification

TP391.4

A

1004－5422(2014)01－0037－04

2013－10－22.

四川省科技廳基礎應用研究(2013JY0117)資助項目.

陳詩禮(1989—)，男，碩士研究生，從事計算機圖像處理與模式識別研究.