基于人臉識別的駕駛員疲勞檢測系統

劉珂 韓瑤 楊中伍 王知也

摘 要：在交通飛速躍進的現代社會，開車的人數越來越多，疲勞駕駛使得道路事故急劇增加，給人民和社會的安全帶來巨大隱患。所以對開車人進行實時疲勞程度檢測越來越急迫和重要。本文主要通過將模板匹配與支持向量機相結合的檢測算法。人臉檢測用模板匹配，用空間模式聚類方法分割出來人的嘴巴部分，再用支持向量機來綜合嘴巴的狀態和人眼的狀態來判斷駕駛員疲勞。

關鍵詞：模板匹配;空間模式聚類;支持向量機;疲勞檢測

一、當前駕駛員疲勞檢測系統的現狀分析

1.1駕駛員疲勞檢測系統的現狀與發展

現階段對疲勞駕駛的檢測研究主要包括主觀檢測和客觀檢測。主觀檢測是通過對駕駛員的自我記錄表、主觀調查表、皮爾遜疲勞量表及斯坦福睡眠尺度表等的進行評定，該方法對駕駛員的依賴程度較高，并且對疲勞駕駛無法進行實時檢測。[1]客觀檢測的研究主要是在以下的3個方面：

（1）基于對駕駛員行為特性的檢測。根據對駕駛員行為的實時檢測，判斷駕駛員當前的疲勞狀態，如眼瞼的活動等。

（2）基于對車輛參數的檢測。根據對駕駛過程車輛所檢測的參數，判斷駕駛員的操作指標，得出駕駛員的疲勞程度，如車速、車輛位置、方向盤的轉動角度等。

（3）基于對駕駛員生理參數測量的檢測。根據檢測出的駕駛員的生理特征，判斷其疲勞狀態，如心電圖、腦電圖等。

綜合分析駕駛員疲勞狀態檢測技術的研究狀況，在今后駕駛員疲勞檢測技術的研究工作主要會從以下幾個方面進行開展：

（1）駕駛員疲勞檢測要實時進行。

（2）駕駛疲勞形成機理和模型的研究。

（3）整合多種方法以提高駕駛員疲勞檢測的可靠性。

（4）駕駛員疲勞報警裝置的研究與普及應用。

1.2駕駛員疲勞檢測系統存在的問題

國內外的各大汽車廠商也設計出各種用于檢測疲勞駕駛的設備。比如通過檢測人疲勞時的生理特征來檢測駕駛員的疲勞狀態，如腦電圖等測量方法，盡管這些方法的測量結果比較準確，但一般都是在駕駛前后測量的，因而結果會有超前或滯后，不能進行實時檢測。

二.基于人臉識別的駕駛員疲勞檢測系統設計

2.1研究內容與目標

本設計在基于機器視覺和人臉識別技術的基礎上，開發一套可進行人機交互設備，在終端使用的進行實時檢測駕駛員疲勞狀況的系統。有如下四個方面的目標：

（1）用模板匹配算法進行人臉檢測。

（2）用聚類的方法分割出來人的嘴巴部分。

（3）對疲勞和不疲勞的特征進行SVM訓練。

（4）用支持向量機（SVM）來綜合嘴巴的狀態和人眼的狀態來判斷駕駛員是否疲勞。

2.2研究方法和研究進展

2.2.1研究內容的技術路線圖

2.2.2模板匹配算法檢測人臉的研究

模板匹配屬于預先定義模板類的人臉檢測方法，即在檢測之前預先定義好人臉模板，然后使用該模板遍歷待測圖像，篩選出可能的人臉區域，最后使用啟發式規則進行確認。該算法的總體設計如圖2所示。[2]

2.2.3用空間模式聚類方法分割人的嘴巴

空間模式聚類算法是將圖像中的每個像素看成是一個模式，每個模式既體現了所代表的空間信息，又包含了像素的顏色信息。這樣對像素的聚類，就轉變成為對模式的聚類。聚類過程中利用Lab色彩空間中的a分量表示像素的顏色信息，同時用測得距離代替歐幾里得距離表示空間模式聚類算法中的結構不相似性。[3]

根據新定義的不相似性，空間模式聚類可以在最小化權值不相似性時獲得：

其中m是模糊因子（m>1） 。一個局部的最小值可以通過運行下面的迭代過程進行求解。

（1）初始化：隨機初始化隸屬度矩陣U（0） 重置迭代值n，令割據誤差門限值εT 為一小的正值。

（2）將圖像轉換到Lab色彩空間，利用a分量值作為空間模式的特征值利用以下公式計算聚類中心的V（n） ：

（3）對那些模式的標記已經在當前迭代當中改變的，通過計算模式的比率來估計割據誤差：

2.2.4用支持向量機來實現疲勞檢測

訓練用于疲勞檢測的SVM分類器的首要問題是樣本的選取，對于“人臉”樣本，我們選取了10個人的人臉圖像，并且都不帶眼鏡，因為眼鏡有時候會反光，不好定位人眼。

為了便于人臉定位和綜合多尺度信息，我們不是直接使用符號函數作為SVM分類器，而是引入如下的映射使得輸出規范到區間[0，1]，以此數值反映檢測窗口與人臉的相似度：[4]

彩色圖像中得到的眼睛部分利用MATLAB中svmclassify（svmStruct，Feature）這個支持向量機方法進行對比，svmStruct是訓練好的數據，Feature是從圖像中得到的相關向量值。最終進行一系列的分析得到駕駛員在此時是否處于疲勞狀態。

2.3系統實現效果圖

參考文獻：

[1] 王斐，王少楠，王惜慧，彭瑩，楊乙丁.基于腦電圖識別結合操縱特征的駕駛疲勞檢測[J].儀器儀表學報，2014.

[2] 龍開文. 基于模板匹配的人臉檢測[J]. 四川大學， 2005.

[3] 宋傳振， 岳振軍， 賈永興， 等. 基于改進的空間模式聚類算法的唇部分割[J]. 軍事通信技術， 2013.

[4] 梁路宏，艾海舟，肖習攀，葉航軍，徐光. 基于模板匹配與支持向量機的人臉檢測[J]. 計算機學報， 2002.

作者簡介：

姓名：劉珂（1999.02-）男，山東省臨沂市人，本科，就讀于哈爾濱理工大學，研究方向：軟件工程。