隨著社會經(jīng)濟的發(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。基于生理指標的檢測方法采用接觸式測量方式，一般通過測試駕駛人員的生理信號來推測駕駛人的疲勞狀態(tài)。文獻[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，當分析腦電圖功率譜密度發(fā)現(xiàn)疲勞時，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的裝置(如電極片等)，會給駕駛行為造成極大干擾，不適合實際行車環(huán)境下的應用。基于駕駛人行為特性的疲勞檢測方法受道路環(huán)境、行駛速度、個人習慣、操作技能等的影響，并不適用我國復雜多變的道路情形。得益于機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用成本較低、無需干擾駕駛人員，已經(jīng)成為該領域的研究熱點。文獻[3]基于開源庫提取的人臉輪廓點計算眼和嘴的縱橫比，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，然后采用改進的隨機森林模型對疲勞狀態(tài)進行識別。文獻[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，實現(xiàn)由粗到精漸進地檢測眨眼的方法，通過隨機回歸森林計算眼睛開合度，最終完成眨眼過程。文獻[5]針對復雜光照和姿態(tài)變化造成疲勞駕駛的原因，提出了實時增強約束局部模型的多信息疲勞檢測方法。文獻[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)域反復迭代縮減，最后得到對人眼區(qū)域的定位。因此，構建一種可靠快速的人眼定位技術是對駕駛人員疲勞檢測的關鍵。由于光照、道路兩側樹木及樓房陰影等原因的影響，直接在原始圖像中進行人眼定位存在較大困難，而且準確率較低，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)域進行精確定位。

       考慮到不同特征維度對人臉的貢獻程度不同，本文提出了一種基于信息熵加權的方向梯度直方圖(Histogram of Oriented Gradients，HOG)與支持向量機(Support Vector Machine，SVM)相結合的人臉檢測算法，可以有效提取人臉特征，并準確完成人臉定位。在完成人臉檢測之后，以人臉區(qū)域為母版，先采用OpenCV開源實現(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；最后用二值分割圖像進行積分投影，實現(xiàn)瞳孔的精確定位。該算法解決了復雜光照下的瞳孔定位問題。

本文詳細內容請下載:http://m.jysgc.com/resource/share/2000003147

作者信息：

杜永昂，楊耀權，金玥佟

(華北電力大學 控制與計算機學院，河北 保定071003)