基于圖像識別的疲勞駕駛監(jiān)測方法研究

黃春雨，蘇李

（1.長春理工大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，長春 130022；2.吉林省教育學(xué)院職業(yè)與成人教育教研培訓(xùn)學(xué)院，長春 130021）

基于圖像識別的疲勞駕駛監(jiān)測方法研究

黃春雨1，蘇李2

（1.長春理工大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院，長春 130022；2.吉林省教育學(xué)院職業(yè)與成人教育教研培訓(xùn)學(xué)院，長春 130021）

經(jīng)研究提出使用攝像機(jī)直接朝向駕駛者的面部，以便實(shí)時監(jiān)控駕駛者的疲勞程度。如果檢測到疲勞將發(fā)出警告信號，提醒駕駛員。通過攝像頭錄制的視頻文件并將其轉(zhuǎn)換為幀，進(jìn)行眼部跟蹤定位，通過測量眼部區(qū)域中的圖像強(qiáng)度的變化之間的距離可確定眼睛為閉眼或者睜眼。發(fā)現(xiàn)閉眼連續(xù)時間過長，系統(tǒng)判定駕駛員處于疲勞狀態(tài)或者入睡狀態(tài)，并發(fā)出警告信號的結(jié)論。通過對該算法測試，該方法可以有效的判定駕駛員的疲勞狀態(tài)。

圖像識別；疲勞監(jiān)測；臉部識別

由于駕駛員的警覺性不夠所引起的交通事故已成為社會的一個嚴(yán)重的問題。統(tǒng)計(jì)顯示，所有交通事故的20%是由于有駕駛員的警惕性不夠所導(dǎo)致的。此外，涉及到駕駛員低警覺性事故比其他類型的事故更為嚴(yán)重，疲勞的駕駛員往往在碰撞之前無法做出規(guī)避動作。出于這個原因，開發(fā)駕駛員疲勞檢測系統(tǒng)，以對駕駛員的疲勞程度進(jìn)行監(jiān)測，當(dāng)駕駛員處于疲勞狀態(tài)無法達(dá)到駕駛警惕性要求時予以警告。

預(yù)防事故的發(fā)生在汽車主動安全領(lǐng)域一直是研究的熱點(diǎn)之一，在過去的十年，許多研究人員一直在努力使用不同的技術(shù)對駕駛員監(jiān)視系統(tǒng)進(jìn)行開發(fā)。駕駛員的警惕狀態(tài)，也可以通過觀測車輛的運(yùn)行狀態(tài)得出。但這些技術(shù)都受到像車輛類型和道路的特征的限制。其他的檢測技術(shù)是基于駕駛員的狀態(tài)［1］。精確的檢測技術(shù)是基于駕駛員像腦電波，心臟速率，脈搏速率和呼吸的生理現(xiàn)象。在這些方法中，基于人的生理反應(yīng)的方法是相對準(zhǔn)確的。這種技術(shù)是通過兩種方式實(shí)現(xiàn)：測量生理信號的變化，如腦電波、心臟速率和眨眼和測量人的姿勢的變化，如點(diǎn)頭的姿勢，識別駕駛員的頭部和眼睛的開/關(guān)狀態(tài)。第一種技術(shù)相對準(zhǔn)確的，但是感測電極都必須直接連接到駕駛員的身體上，給駕駛員駕駛帶來了直接的困擾所以難以實(shí)現(xiàn)。長時間駕駛將導(dǎo)致在傳感器排汗，削弱了其監(jiān)測準(zhǔn)確的能力。第二種技術(shù)是非常適合長時間駕駛的疲勞檢測。因此，本文的重點(diǎn)是疲勞檢測的非接觸性的方法對駕駛員的狀態(tài)進(jìn)行監(jiān)測。

系統(tǒng)依賴于眼瞼運(yùn)動視覺提示，以檢測駕駛員的疲勞狀態(tài)。通過監(jiān)測眼睛，可以盡早的檢測出駕駛員的疲勞狀態(tài)以避免疲勞駕駛帶來的車禍。在疲勞狀態(tài)下駕駛員的眨眼率遠(yuǎn)遠(yuǎn)高于非疲勞狀態(tài)下的眨眼率。通過連續(xù)地監(jiān)測駕駛員的眼睛可以檢測駕駛員的狀態(tài)。駕駛條件下，可以通過使用攝像機(jī)來檢測變化。駕駛員的操作和車輛的行為可以通過監(jiān)測方向盤運(yùn)動，加速或制動模式，車輛速度，橫向加速度以及橫向位移被觀察到。這些都是非接觸性的監(jiān)測方式，接觸式監(jiān)測方法受限于車輛類型和駕駛條件。用于檢測瞌睡的最終方法是通過監(jiān)測駕駛員的響應(yīng)，這涉及到周期性請求駕駛員的響應(yīng)發(fā)送到系統(tǒng)，以指示警覺。這種技術(shù)的問題是，它最終將給駕駛員帶來駕駛困擾。因此，本文的重點(diǎn)討論的是疲勞檢測的非接觸性方法對駕駛員的狀態(tài)進(jìn)行監(jiān)測。

1 疲勞監(jiān)測流程

疲勞駕駛檢測系統(tǒng)的主要功能的流程圖如圖1所示。

圖1 疲勞監(jiān)測流程

獲取駕駛員的圖像的視頻文件之后，它被轉(zhuǎn)換成圖像的連續(xù)幀。根據(jù)膚色可以迅速定位面部。眼睛在于面部的上半部，臉的下半部分被去除來縮小眼睛存在搜索區(qū)域。使用面部的側(cè)面，該面的中心被發(fā)現(xiàn)，這將比較左眼和右眼時，可以使用作為參考。從該面的頂端向下移動，水平的平均值（對于每個x平均強(qiáng)度值坐標(biāo)）的臉部區(qū)域的計(jì)算。在平均值大的變化被用來定義眼區(qū)［2］。使用雙方的臉部被檢測眼睛的睜開或者閉眼狀態(tài)的水平的平均值。如果發(fā)現(xiàn)閉眼連續(xù)10幀，系統(tǒng)警告駕駛員入睡，并發(fā)出警告信號。

2 人臉定位

人臉定位和檢測往往是疲勞監(jiān)測的第一步，如視頻監(jiān)控，人臉識別面部表情的分析，人像數(shù)據(jù)庫管理等。在人臉檢測方面已經(jīng)做了大量的研究，研究發(fā)現(xiàn)，不同膚色的人臉膚色在緊湊區(qū)域的顏色空間。因此，我們利用膚色的顏色空間緊湊型進(jìn)行檢測。人臉檢測需要三步。的第一個步驟是給定的圖像中的每個像素分類為皮膚像素或非皮膚像素。第二步驟是確定皮膚檢測到的圖像中不同的皮膚地區(qū)按利用連通性分析。最后一個步驟是決定是否每個識別的皮膚區(qū)域是一個面，可以確定左臉和右臉的邊緣部分。該面部檢測的如圖2、3所示。

圖2 原始圖像

圖3 面部識別圖像

3 眼部定位和眼部狀態(tài)變化

在定位眼睛下一步驟是發(fā)現(xiàn)在面部的強(qiáng)度變化。將對灰度圖像進(jìn)行處理如圖4所示。第一步是計(jì)算的平均強(qiáng)度為每個x-坐標(biāo)。這些平均值將眼睛于其他特征進(jìn)行區(qū)分。根據(jù)眼部灰度值的特征對眼睛進(jìn)行初步定位如圖5所示。

圖4 原始圖像

圖5 眼部定位圖

觀察到這些平均值的曲線，發(fā)現(xiàn)圖像的強(qiáng)度發(fā)生了顯著變化。通過對強(qiáng)度圖進(jìn)行對比可以發(fā)現(xiàn)眼睛的睜開和閉合使圖片強(qiáng)度發(fā)生了明顯的震蕩［3-5］，如圖中所示。因此，通過觀察圖片強(qiáng)度的波峰和波谷可以確定人眼的位置。強(qiáng)度變化圖如圖6、7所示

圖6 閉眼圖像強(qiáng)度曲線

圖7 睜眼圖像強(qiáng)度曲線

眼睛的狀態(tài)（無論是睜開還是閉合）由距離在上述步驟中找到的兩個強(qiáng)度的變化之間確定。當(dāng)眼睛閉合時，在x軸向眼睛睜開到坐標(biāo)的強(qiáng)度的變化是較大的。

4 嗜睡檢測

由攝像機(jī)拍攝的視頻圖像被轉(zhuǎn)換成連續(xù)的幀。從每一幀的臉部分將眼部進(jìn)行定位。眼部區(qū)域觀察檢查眼睛是否關(guān)閉或者打開。因此，如果發(fā)現(xiàn)閉眼連續(xù)10幀系統(tǒng)發(fā)現(xiàn)微睡眠的發(fā)生，給駕駛員發(fā)出疲勞警報(bào)。

5 實(shí)驗(yàn)結(jié)果

駕駛員的圖像的視頻記錄被轉(zhuǎn)換成連續(xù)的幀。從被檢測出的各幀將無關(guān)的監(jiān)測信息去除。在上半部分進(jìn)行人眼定位。一旦眼睛的位置完成，通過監(jiān)測眉和眼瞼之間的圖像強(qiáng)度變化。這個值的最大值發(fā)生在眼睛閉合和睜開時。通過判定該值可以有效的判斷駕駛員的眼部變化。通過圖8、圖9可以看到精確定位后圖像強(qiáng)度的變化更為明顯，監(jiān)測效果更準(zhǔn)確真實(shí)。

圖8 精確定位后閉眼圖像強(qiáng)度圖

圖9 精確定位后睜眼圖像強(qiáng)度圖

6 結(jié)論

駕駛員監(jiān)視系統(tǒng)通過連續(xù)監(jiān)視駕駛員的眼睛檢測駕駛員的疲勞狀態(tài)。本文使用的方法是駕駛員在睜眼和閉眼時面部圖像的水平強(qiáng)度變化。眉毛的強(qiáng)度與皮膚顯著不同，而且另外一個顯著變化，在y方向，是眼睛。這些顯著的特點(diǎn)能夠使我們在面部迅速定位眼睛，使我們能夠長時間對眼睛的閉合情況進(jìn)行監(jiān)測。

［1］張偉，成波，張波.駕駛?cè)搜劬^(qū)域的魯棒性定位算法研究［J］.物理學(xué)報(bào)，2012（06），61（6）：1-8.

［2］張希波，成波，馮睿嘉.基于方向盤操作的駕駛?cè)似跔顟B(tài)實(shí)時檢測方法［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2010（07），50（7）：1072-1076.

［3］李家文，成波.駕駛員疲勞狀態(tài)適應(yīng)式復(fù)合預(yù)警方法的研究［J］.汽車工程，2012（03），34（3）：212-216.

［4］鄭培，宋正河，周一鳴.機(jī)動車駕駛員駕駛疲勞測評方法的研究狀況及發(fā)展趨勢［J］.中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2001（06），6（6）：101-105.

［5］王榮本，郭克友，儲江偉，初秀民.適用駕駛員疲勞狀態(tài)監(jiān)測的人眼定位方法研究［J］.公路交通科技，2003（05），20（5）：112-114.

Research on Driver Fatigue Detection Method Based on Image Recognition

HUANG Chunyu1，SU Li2
（1.School of Computer Science and Technology，Changchun University of Science and Technology，ChangChun 130022；2.Jilin Provincial Institute of Education，Institute of Vocational and Adult Education Research Training，Changchun 130021）

Using the camera directly toward the driver's face，for real-time monitoring of the degree of fatigue of the driver.If it detects fatigue issues a warning signal to alert the driver.Through the camera to record video files and convert them to frames.Conduct eye tracking，Eye can be determined by measuring the change in the distance of the eye region image intensity between the open-eye or closed-eye.If continuous with eyes closed for too long，the system determines that the driver is in a state of fatigue or sleep state，and the conclusions issued a warning signal.By this algorithm，implementation，testing，this method can effectively determines the fatigue state of the driver.

image recognition；fatigue monitoring；face recognition

TP3-05

A

1672-9870（2016）06-0102-03

2016-07-11

黃春雨（1976-），男，碩士，講師，E-mail：13074352251@163.com