肖遼亮

摘要：該文為了識(shí)別疲勞駕駛行為，有效預(yù)防與減少因疲勞危險(xiǎn)駕駛導(dǎo)致的交通事故，研究疲勞駕駛檢測(cè)方法，采用疲勞駕駛分級(jí)及相關(guān)報(bào)警與自動(dòng)干預(yù)處理方法。首先采用了基于灰度積分投影和K-means聚類(lèi)演算法對(duì)駕駛員眼部進(jìn)行定位；再采用基于PERCLOS方法檢測(cè)眼睛狀態(tài)，并以PERCLOS值作為疲勞駕駛判斷及疲勞駕駛等級(jí)分類(lèi)依據(jù)。確定了以初級(jí)疲勞駕駛預(yù)警，嚴(yán)重疲勞駕駛自動(dòng)干預(yù)強(qiáng)迫駕駛員停車(chē)休息的疲勞駕駛報(bào)警與干預(yù)處理方法，能有效能有效預(yù)防和減少疲勞駕駛。

關(guān)鍵詞：疲勞駕駛；人眼定位 ； 狀態(tài)檢測(cè)

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）15-0132-02

Abstract： In order to identify fatigue driving behavior， effectively prevent and reduce traffic accidents caused by dangerous fatigue driving.The driving fatigue detection methods were researched ， and the classification of fatigue driving and alarm and automatic intervention were used in this paper. Firstly， based on gray level projection and K-means clustering algorithm， the eye of the driver is located. Secondly，the method based on PERCLOS is used to detect eye state， and PERCLOS values were used for fatigue driving judgment basis and fatigue driving rating Classification basis. Determined the method of warning for primary fatigue driving and automatic intervention for driving the driver to stop the fatigue driving alarm and processing for the severe fatigue driving. Its effectively to prevent and reduce fatigue driving.

Key words： fatigue driving； Eye location； Status detectio

疲勞駕駛是交通事故的主要誘因之一。Klauer等研究發(fā)現(xiàn)，疲勞駕駛引發(fā)交通事故的概率是正常駕駛的4-6倍[1]。每年由疲勞駕駛而引起的交通事故占事故總數(shù)的20%左右，占特大交通事故的40%以上[2-3]。因此近些年針對(duì)疲勞駕駛的檢測(cè)及有效預(yù)警成為研究熱點(diǎn)，以致力于減少交通事故及人員傷亡。

疲勞駕駛檢測(cè)與判斷流程如圖1。

人眼位置快速跟蹤與定位，以及眼部狀態(tài)的準(zhǔn)確獲取是基于人眼狀態(tài)檢測(cè)的疲勞檢測(cè)系統(tǒng)的關(guān)鍵。目前人眼檢測(cè)的主要方法有：統(tǒng)計(jì)法、灰度投影法、規(guī)則法、模板匹配法等；而眼部狀態(tài)的判斷依據(jù)則主要有眨眼頻率、眼睛閉合時(shí)間、瞳孔變化情況等[4]。

本文提出了一種人眼快速定位與人眼狀態(tài)檢測(cè)與識(shí)別方法，構(gòu)成一種快速疲勞駕駛檢測(cè)與判斷流程，能準(zhǔn)確判斷駕駛員的疲勞狀態(tài)，為駕駛員提供準(zhǔn)確的報(bào)警提醒信息。

1 人眼定位

1.1 臉部定位

首先通過(guò)CCD攝像頭獲得駕駛?cè)藛T臉部圖像，再對(duì)圖像進(jìn)行低通濾波處理并映射到Y(jié)CbCr顏色空間建立基于膚色的二維高斯數(shù)學(xué)模型，再對(duì)模型進(jìn)行形態(tài)學(xué)處理，最后進(jìn)行分析和處理實(shí)現(xiàn)人臉檢測(cè)[5]。

1.2 眼部定位

要將眼部特征從人臉圖像中分離出來(lái)，首先要對(duì)圖像二值化處理。圖像二值化關(guān)鍵是閥值的選取，國(guó)內(nèi)外學(xué)者對(duì)圖像二值化進(jìn)行了大量研究，本文采用最大類(lèi)單間方差閥值分割法，其主要思路是把圖像直方圖用某一灰度值分割成背景和目標(biāo)，分別計(jì)算二者的像素和灰度平均值，再計(jì)算它們的類(lèi)間方差。背景和目標(biāo)之前的類(lèi)間方差越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，該灰度值就為圖二值化處理的閥值[5]。

2 人眼狀態(tài)檢測(cè)與識(shí)別

2.1 人眼狀態(tài)檢測(cè)

人眼狀態(tài)的檢測(cè)是判斷是否疲勞駕駛的關(guān)鍵，本文采用基于PERCLOS（percentage of eyelid closure）方法檢測(cè)眼睛狀態(tài)，以此作為判斷是否疲勞駕駛的依據(jù)。

PERCLOS為眼睛閉合程度超過(guò)某一閾值的時(shí)間占總時(shí)間的百分比[5]。其原理圖如圖4所示。

圖4中，[t1]為第一次從眼睛完全睜開(kāi)到眼睛閉合20%的時(shí)間；[t2]為第一次從眼睛完全睜開(kāi)到眼睛閉合80%的時(shí)間；[t3]為第一次從眼睛完全睜開(kāi)到第二次眼睛睜開(kāi)20%的時(shí)間；[t4]為第一次從眼睛完全睜開(kāi)到第二次眼睛睜開(kāi)80%的時(shí)間。

P80測(cè)量方式以眼睛閉合超過(guò)80%的時(shí)間占總時(shí)間的比例為駕駛疲勞判斷標(biāo)準(zhǔn)。本文對(duì)駕駛員疲勞狀態(tài)進(jìn)行了兩級(jí)分類(lèi)處理，當(dāng)PERCLOS值[p80>15%]時(shí)，為一級(jí)疲勞狀態(tài)，認(rèn)識(shí)駕駛員處于初級(jí)疲勞駕駛狀態(tài)，此時(shí)報(bào)警系統(tǒng)給出相關(guān)指令，做出聲光報(bào)警，提醒駕駛員是處理疲勞駕駛狀態(tài)，駕駛員可以自身情況自行選擇是否休息；當(dāng)PERCLOS值[p80>50%]，為二級(jí)疲勞狀態(tài)，認(rèn)為駕駛員處于嚴(yán)重疲勞狀態(tài)，在做出聲光報(bào)警的同時(shí)報(bào)警系統(tǒng)對(duì)車(chē)輛駕駛狀態(tài)進(jìn)行自動(dòng)干預(yù)，提示駕駛員系統(tǒng)將10分鐘后自動(dòng)逐漸關(guān)閉油路，以強(qiáng)迫駕駛員停車(chē)休息。

3 結(jié)論

疲勞駕駛是影響車(chē)輛安全駕駛的重要隱患，疲勞駕駛檢測(cè)及報(bào)警系統(tǒng)能有效的提醒駕駛員和干預(yù)駕駛狀態(tài)，能有效有少交通事故的發(fā)生。疲勞駕駛檢測(cè)的關(guān)鍵是人眼的準(zhǔn)備定位及人眼狀態(tài)的準(zhǔn)確識(shí)別，采用了基于PERCLOS方法檢測(cè)眼睛狀態(tài)，并根據(jù)人眼狀態(tài)對(duì)疲勞狀態(tài)進(jìn)行了分級(jí)處理，認(rèn)為一級(jí)疲勞狀態(tài)為初級(jí)疲勞狀態(tài)，只報(bào)警提示；二級(jí)疲勞狀態(tài)為嚴(yán)重疲勞狀態(tài)，報(bào)警提示的同時(shí)對(duì)駕駛車(chē)輛狀態(tài)進(jìn)行自動(dòng)干預(yù)，強(qiáng)迫駕駛員停車(chē)休息，以達(dá)到有效防范疲勞駕駛的目的。

參考文獻(xiàn)：

[1] KLAUER S G，DINGUS T A，NEALE V L，et al. The impact of driver inattention on near-crash /crash risk： an analysis using the 100-car naturalistic driving study data[R].Washington：

[2] 牛清寧，周志強(qiáng)等.基于眼動(dòng)特征的疲勞駕駛檢測(cè)方法[J].哈爾濱工程大學(xué)學(xué)報(bào)，2015（3）：394-397.

[3] FORSMAN P M，VILA B J，SHORTR A，et al. Efficient driver drowsiness detection at moderate levels of drowsiness[J]. Accident Analysis and Prevention，2013（50）： 341-350.

[4] 金嘉琦，陳健.駕駛員疲勞駕駛的面部檢測(cè)與定位[J].測(cè)量與檢測(cè)技術(shù)，2015（1）：74-76.

[5] 蔣建圖，王雷，等.基于眼睛狀態(tài)檢測(cè)的駕駛員疲勞駕駛分析[J].合肥工業(yè)大學(xué)學(xué)報(bào)，2015（2）：175-180.

[6] 孫立書(shū)，余偉..改進(jìn)人眼定位算法在DSP上的快速實(shí)現(xiàn)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2014（4）：148-153.