MATLAB人臉識別在駕駛員疲勞檢測中的應用研究

王田豐

【關鍵詞】MATLAB人臉識別 駕駛員疲勞檢測 應用

隨著社會經濟的發展，越來越多的機動汽車被人們所使用。但近年來，因疲勞駕駛引發的交通事故也在不斷增多，從而引發了有關人員對駕駛員疲勞狀態監視技術的研究。而MATLAB人臉識別技術是一種能夠實現人臉特征提取的方法，能夠實現人臉的識別和狀態判斷。因此，有必要對該技術在駕駛員疲勞檢測中的應用問題展開研究，從而更好的利用該技術實現駕駛員的疲勞狀態監測。

1 MATLAB人臉識別技術分析

MATLAB人臉識別其實就是利用MATLAB平臺進行編程運算，然后通過利用圖像處理和模式識別技術從靜態或動態場景中進行人臉特征的提取，從而根據已知人臉樣本庫數據進行人臉的驗證或識別。在人臉識別的過程中，需要先進行人臉圖像的攝取，然后通過圖像預處理進行人臉檢測與定位。在此基礎上，通過對人臉圖像進行歸一化處理，就可以完成人臉特征提取和識別，并且最終進行驗證或識別結果的輸出。而MATLAB作為高性能的數值計算和可視化數學軟件，具有較為強大的圖示能力和數值計算能力，同時其基本元素為矩陣，所以可以用于進行圖像處理。通過將樣本圖像輸入到預先編制的識別程序中，就可以完成對輸入圖像的色彩轉換處理、圖像消噪處理、圖像尺寸歸一化處理。在此基礎上，利用Adaboost、LBP和LDA等人臉識別算法，就可以對圖像進行訓練，并且產生特征臉和平均臉。最后，經過程序判斷，就可以進行識別結果的輸出。

2 MATLAB人臉識別在駕駛員疲勞檢測中的應用

在駕駛員疲勞檢測中，應用MATLAB人臉識別技術需要使用基于Haar特征的級聯Adaboost檢測算法進行人臉識別。具體來講，就是在完成駕駛員人臉圖像檢測后，利用Gabor濾波和梯度增強邊緣信息等算法完成圖像處理，然后利用形態學和二值化處理方法進行眼睛、嘴部位置的確定。在此基礎上，則可以利用SVM進行線性分類器的訓練，然后進行眼睛開閉狀態的判斷。同時，還需要通過計算對駕駛員的嘴部開閉狀態進行判斷，然后根據眼睛在垂直方向上的位置變化確定駕駛員頭部位置。最后，經過一段時間的統計，則可以根據眼睛狀態、嘴部狀態和頭部位置對駕駛員最終疲勞狀態進行判別。

2.1 駕駛員眼睛定位及狀態判別

在判定駕駛員眼睛位置時，需使用Gabor濾波器進行眼睛邊緣信息增強。如果圖像邊緣特征方向垂直于濾波器核函數方向，濾波器則會發出強烈響應。根據人臉圖像尺寸，則可以進行大小適合的濾波窗口的選擇。根據面部器官的邊緣長度，則能夠得到濾波器的波長。所以，根據人的面部器官的幾何特征，就可以粗略進行眼睛位置的確定。而對分割出的圖像進行二值化處理和簡單的形態學處理，則能夠使眼睛位置得到準確定位。使用LBP這種用于描述圖像局部紋理特征的算子，則可以對駕駛員眼睛特征進行描述。而根據線性SVM的判斷，則可以得知眼睛的開閉狀態。此外，為了使眼睛狀態判別的準確性和魯棒性得到提升，并且使眼睛特征具有旋轉不變性，還要使用三層金字塔LBP描述眼部特征，從而完成眼部特征的準確提取。

2.2 駕駛員嘴部定位及狀態判別

在對駕駛員嘴部位置進行確定時，同樣可以根據人的臉部幾何特征和邊緣信息進行嘴部定位。但不同于眼睛，嘴部邊緣信息較為復雜，除了使用濾波器進行邊緣信息增強，還要對濾波后的圖像進行原圖像梯度圖像的疊加，才能獲得完整的邊緣信息。在圖像信息得到增強后，則可以根據幾何特征對嘴部進行粗略定位，然后將分割出的圖像進行二值化和形態學處理。采取這兩種圖像處理措施，則能夠使其他干擾得到消除，從而實現嘴部二值圖像的精確分割。在對嘴部狀態進行判別時，需要對嘴部面積和寬高比進行分析，以確認嘴部的開閉狀態。此時，需要進行嘴部面積閾值樣本T1和寬高比閾值樣本T2的設定，然后通過將嘴部圖像的像素個數與閾值樣本相比較，則能夠對嘴部狀態進行判別。比如在像素個數小于T1并大于T2的情況下，就可以判斷嘴部處在閉合狀態。

2.3 駕駛員頭部定位及疲勞狀態判別

在對駕駛員頭部位置進行判斷時，可以根據眼睛在垂直方向上的變化進行頭部運動的確定。在人打瞌睡的時候，頭部將連續偏離大于4幀。所以，當頭部位置至少連續3幀偏離正常閾值時，可以判定駕駛員出現瞌睡情況。完成頭部運動情況的確定后，需要構建一個模糊系統，然后對駕駛員在一段時間內的眼睛、嘴部和頭部的位置及狀態進行統計。而通過在系統輸入眨眼頻率、閉眼持續時間、哈欠頻率和瞌睡頻率四個變量，并且設置疲勞參數這一個輸出變量，就可以對駕駛員的疲勞狀態進行檢測。此時，可以使用MATLAB的模糊邏輯工具箱，并且根據規則庫中的模糊關系，就可以對輸入的疲勞參數的疲勞狀態系數進行推理。而通過推理則可以發現，在輸入變量都較小的情況下，駕駛員一直處在清醒狀態。在除了眨眼頻率以外的輸入變量都較小的情況下，駕駛員屬于剛出現疲勞狀態。在除了瞌睡頻率以外的輸入變量都較大的情況下，駕駛員進入到了輕微疲勞狀態。在四個輸入變量都較大的情況下，駕駛員則進入到了嚴重疲勞狀態。

3 結論

總而言之，在駕駛員疲勞檢測中應用MATLAB人臉識別技術，能夠對駕駛員的疲勞狀態進行準確判斷，從而使駕駛員疲勞預警的需求得到滿足。因此，相信隨著相關技術的發展，MATLAB人臉識別技術將在駕駛員疲勞檢測領域得到更加廣泛的應用。

參考文獻

[1]蘇曉娜，李曉明.人臉檢測及眼睛定位在駕駛員疲勞檢測中的應用[J].科學技術與工程，2012，17（12）：183-186.

[2]周云鵬，朱青，王耀南等.面部多特征融合的駕駛員疲勞檢測方法[J].電子測量與儀器學報，2014，10（28）：140-148.

[3]蔡菁，程雷，王紅霞.基于Kinect的疲勞駕駛綜合監測系統研究[J].計算機工程與科學，2015，12（37）：379-385.