基于駕駛行為的疲勞駕駛檢測方法初探

牛超

摘 要：隨著社會的不斷發(fā)展，汽車行業(yè)發(fā)展迅猛，汽車保有量大幅度提升，交通事故的發(fā)生率也越來越高。交通部門的相關調查顯示，疲勞駕駛是造成重大交通事故的首因。通過科學有效的檢測方法，檢測駕駛員的駕駛狀態(tài)，能夠有效降低交通安全事故的發(fā)生。本文介紹了疲勞駕駛的特征，分析了國內外檢測駕駛員疲勞狀態(tài)的方法、特點及發(fā)展趨勢。

關鍵詞：疲勞駕駛;檢測技術;交通事故

隨著社會的發(fā)展，人們生活水平不斷提高，對汽車的需求不斷加大，汽車數(shù)量急劇增加，交通安全問題越來越嚴重。疲勞駕駛是造成安全事故的重要因素，采用科學有效的駕駛員疲勞狀態(tài)監(jiān)測方法能夠降低交通事故的發(fā)生率，具有一定的研究價值和現(xiàn)實意義。

1 疲勞駕駛檢測方法

根據(jù)疲勞駕駛的定義及國內外的研究現(xiàn)狀，可將疲勞駕駛檢測方法分為三類，包括基于駕駛員生理指標的檢測方法、基于車輛行為的檢測方法及基于駕駛人行為特征的檢測方法。

基于駕駛員生理指標的檢測方法主要是通過相關的醫(yī)療器械采集駕駛人員的生理特征信息，以此作為依據(jù)進行駕駛疲勞判斷。人的生理特征能夠最直接的反應疲勞狀態(tài)，該檢測方法有很高的準確性，但是，由于該方法需要采用接觸式檢測裝置，而且設備的成本較高，綜合來看，基于駕駛員生理指標的檢測方法實用性較低。

基于車輛行為的檢測方法則借助車載傳感器采集當前車輛的運行特征信息，以此作為依據(jù)分析駕駛員的疲勞狀態(tài)。該方法的理論依據(jù)是駕駛員疲勞時的控制能力與清醒時相比有很大不同，從而導致車輛的運行特征的差別，該方法有一定的準確率，而且檢測設備成本較低，具有一定的實用性。該方法的缺陷在于容易受路況等外界因素影響，疲勞檢測準確率相對降低。

基于駕駛人行為特征的檢測方法主要通過圖像處理和模式識別技術，檢測駕駛人在疲勞時的反應特征，對駕駛人的疲勞狀態(tài)進行分析判斷。該檢測方法的理論基礎是人的面部表情特征能直接反應疲勞狀態(tài)，該方法具有較高的準確率，而且作為非接觸式檢測方法具有較強的實用性。基于駕駛人行為特征的檢測方法的不足之處在于圖像處理手段和方法造成較大的計算量，運算耗時長，而且設備成本不低。

根據(jù)比較，基于駕駛人員行為特征的檢測方法準確率較高，具有更好的實用性。

2 基于臉部行為預測的駕駛員疲勞駕駛檢測

基于駕駛人員行為特征檢測主要是根據(jù)駕駛員的面部特征信息來檢測駕駛員的疲勞狀態(tài)。通過視頻采集、單元采集駕駛員面部狀態(tài)的信息，包括頭部的偏移量、眨眼、打哈欠的頻率及面部表情的變化等進行疲勞度分析。其中人眼是面部最重要的器官，包含重要信息，一段時間內眼睛無明顯變化、眨眼頻率過低、眨眼頻率過高和眼睛睜開程度逐漸變小等都能反映駕駛員的駕駛狀態(tài)，在判定駕駛員疲勞狀態(tài)過程中具有極高的代表性。

2.1 駕駛員眼睛的定位和特征提取

在人的臉部，眼睛和嘴的灰度變化最快，可以據(jù)此對臉部范圍的垂直梯度分散進行分析，結合水平投影，分析出眼睛和嘴邊緣的最大值。在疲勞數(shù)據(jù)中，嘴部特征數(shù)據(jù)無關緊要，因此在檢測中只需要對眼睛進行定位分析。

駕駛員臉部區(qū)域垂直方向的梯度可以由公式G（i， j）=f（i+1， j）-f（i， j）求得，水平投影根據(jù)公式H （j ）=∑G（ i ，j） 求得，這樣就能得出準確的駕駛員臉部結構特征圖，從而得到眼睛在臉部的相對位置，進而根據(jù)結構特征圖的距離分析眼睛的開閉狀況。

2.2 駕駛員眼睛狀態(tài)檢測計算

根據(jù)單位時間內眼睛閉合時間的比率可以測量駕駛員眼睛疲勞狀況所需的相關數(shù)據(jù)，如眨眼持續(xù)時間、眨眼頻率、一次眨眼的閉合時間比率、單位時間內眼睛閉合時間所占比率等。

眨眼持續(xù)時間即一次眨眼過程中眼睛完成開、閉、開過程所需的時間，可用公式求得 D（t）=t1+t4。單位時間內眼睛閉合時間比可用公式求得，。單位時間設為6s，N為收集圖像的幀數(shù)，p（t）為睜眼水平隨時間改變的函數(shù)。再經(jīng)過計算得出一次眨眼的閉合時間比。從而分析駕駛員的駕駛狀態(tài)。

2.3 基于臉部行為預測技術的駕駛員疲勞駕駛檢測

基于臉部行為預測技術的駕駛員疲勞駕駛檢測首先采集駕駛員在駕駛過程中的相關圖像，然后用迭代弱分類器產生的強分類器的算法對駕駛員臉部進行檢測。再根據(jù)駕駛員臉部結構特征進一步分析。駕駛員臉部框架橫縱坐標值可以分析面部行為變化，從而判斷駕駛員的駕駛狀態(tài)。如果縱坐標相關值低，橫坐標變化大，說明駕駛員臉部運動劇烈，駕駛人則處于清醒狀態(tài)。如果縱坐標相關值高于設定值，則說明駕駛員處于疲勞駕駛狀態(tài)。

利用水平灰度投影和相關坐標值作差，可以計算相關值的垂直距離，分析出駕駛員眼睛的開閉，再利用圖像采集的幀數(shù)可得出單位時間內駕駛員眼睛閉合率。打瞌睡是人非常疲勞的表現(xiàn)，研究表明，人的疲勞初期表現(xiàn)為眨眼頻率增加，由此可以對駕駛員的眨眼次數(shù)進行統(tǒng)計。根據(jù)正常狀態(tài)下人眨眼時間和頻率設定門限值，若駕駛員的眨眼閉合時間比高于門限值，則可以判定駕駛員處于疲勞駕駛狀態(tài)。

3 結束語

交通安全是當今社會的重要問題，也關系到每個人的生命安全。疲勞駕駛是造成交通安全的重要因素之一，駕駛員疲勞駕駛檢測系統(tǒng)能夠有效預防駕駛員出現(xiàn)疲勞駕駛，減少交通事故的發(fā)生，具有較高的研究價值和現(xiàn)實意義。本文介紹了疲勞駕駛及危害，分析了國內外疲勞駕駛研究現(xiàn)狀，著重分析了疲勞駕駛檢測方法，探討了基于臉部行為預測駕駛員疲勞駕駛檢測方法，該方法具有較高的準確率和較強的實用性。

參考文獻：

[1]耿磊，袁菲，肖志濤，et al.基于面部行為分析的駕駛員疲勞檢測方法[J].計算機工程，2018，44（01）：274-279.

[2]陳友鵬.基于臉部行為預測的疲勞駕駛檢測方法研究[J].開封教育學院學報，2018，38（04）：277-278.

[3]秦立鵬.基于眼動信息與駕駛行為特征的疲勞駕駛檢測方法研究[D].陜西：西安建筑科技大學，2018.