機動車疲勞駕駛檢測系統價值研究

王秀麗++韓懷陽

摘 要：基于人眼狀態檢測機動車駕駛員疲勞狀態是一種具有可操作性強的檢測方式，該技術關鍵在于判斷睜眼狀態，常用技術有Hough查找圓法、模板匹配法以及灰度投影法。根據人眼外形特點，基于橢圓擬合的人眼狀態分析結果符合人眼真實狀態。檢測人眼狀態后，還需要利用Perclos判斷眨眼頻率，最后根據設定的疲勞狀態評價標準評價駕駛員的品老狀況。

關鍵詞：人眼狀態 疲勞檢測 識別技術

中圖分類號：TP274.4 文獻標識碼：A 文章編號：1672-3791（2016）10（b）-0168-03

為減少疲勞駕駛引發的交通事故，研究人員對駕駛員疲勞狀態監測技術作了大量研究，并且部分研究得到實踐應用。當前疲勞狀態監測技術主要分為基于眼部特征和非眼部特征兩類，基于非眼部特征的疲勞狀態檢測技術需要將檢測設備與人體直連，該方式容易影響駕駛員的操作，不適合實際應用[1]。基于人眼狀態特征檢測疲勞屬于非接觸式識別技術，該技術不僅也可以實時識別駕駛員的疲勞狀態，并且不影響駕駛員的行車操作，具有更強的操作性和適用性。

1 人眼狀態識別方法

1.1 Hough查找圓

Hough查找圓檢測方法主要根據人眼虹膜狀況進行判斷。睜眼狀態下，眼區內可見虹膜，也可被檢測到圓。眼睛閉合狀態下，虹膜被眼瞼遮擋，只能檢測圓的一部分或無法檢測到圓。該技術雖然可用于判斷眼睛開閉情況，但是也存在巨大缺陷。首先，該方式在檢測睜眼狀態的效果較好，并且虹膜信息應比較完善，對圖像的分辨率要求也更高。此外，對人眼虹膜要求也更高，如眼區域較大且清晰。但是圖像采集視為USB攝像頭，圖像文本分辨率為640×480，分辨率無法滿足要求，系統也難以獲得完整的虹膜輪廓[2]。此外，獲取眼部虹膜輪廓圖像后，系統需要將數據放于高維參數空間處理，數據計算量更大且缺乏實效性，因而該技術不適用于實時監測駕駛員的疲勞狀態。

1.2 模板匹配法

模板匹配法是指對比位置眼睛與眼睛模板的相似度，根據相似度結果進行評價。在該技術中需要設定固定人眼狀態模板，收集眼睛狀態信息后，系統將信息與模板信息進行比對。但是人眼開閉合情況存在顯著差異，容易導致對比結果存在較大誤差。例如：單眼皮和雙眼皮、大眼睛和小眼睛，單眼皮、小眼睛人群的上下眼瞼距離小，其睜眼狀態與雙眼皮、大眼睛人群的閉眼狀態難以區分。

1.3 水平灰度投影法

該方法主要根據眼睛開、閉狀態下的水平灰度投影特征識別眼睛狀態。睜眼時，眼瞼位于瞳孔上方，水平灰度投影在瞳孔位置形成低谷，且投影圖低谷區域范圍較廣。閉眼時，水平灰度投影的低谷寬度狹窄。根據水平灰度投影的低谷寬度識別眼睛狀態。該識別方法對圖像分辨率要求較高，因而檢測結果受光照條件影響較大。采集眼部圖像后，需要先進行去噪處理，使用鄰域平均處理投影曲線，定量確定谷底寬度。否則，谷底圖像不明確，或出現多個谷底，導致錯誤識別人眼狀態。

2 基于橢圓擬合的人眼狀態分析

從以上3種人眼狀態識別方法可以看出，任何識別方法都存在優點和缺陷，并且識別效率和識別質量屬于負相關，提高識別效率容易導致檢測結果準確性下降，增加誤檢情況。基于以上3種檢測方法的優點和缺點，研究大多從綜合角度入手，改進或融合多個檢測方式。眼睛輪廓與橢圓相似，可利用橢圓相關參數描述人眼狀態。Hough變換和最小二乘法是橢圓擬合常用方法，其中最小二乘法可用于復雜對象模型，且擬合度更高。

2.1 基于最小二乘法的橢圓擬合

基于最小二乘法的橢圓擬合是指計算邊緣點到理想擬合橢圓距離的平方和的最小值確定擬合參數。平面內橢圓曲線可描述為：

Ax2+Bxy+Cy2+Dx+Ey+F=0 （1）

假設α=（A，B，C，D，E，F ），X=（x2，xy，y 2，x，y，1），則橢圓方程可表示為：

F （α，x）=α·x=0 （2）

設，為擬合點i坐標。點到擬合橢圓代數距離平方和為：

E （α）=2 （3）

最小二乘法進行橢圓擬合是指將根據參數α使擬合點與擬合橢圓的偏差平方達到最小：

=argmin{} （4）

根據橢圓性質，橢圓等式中參數α需要符合要求：

B 2-4AC>0 （5）

由于在不等式約束條件求解過程難度較大，為簡化計算，按照固定比例縮放參數不影響結果，因而可將橢圓參數α的不等式約束條件表示等式約束條件：

B 2-4AC=1 （6）

使用約束條件使橢圓存在唯一解，再構建矩陣，使矩陣滿等式

E （α）=（Aα）T（Aα）=αT（ATA）α=αTDα （7）

可將約束條件等式（5）表示為：

αTCα=1 （8）

最終等式（4）和等式（6）的約束條件問題轉化為等式（8）約束條件下求解等式（7）的條件極值問題，并可求解獲得

Dα=λCα （9）

ΑTCα=1 （10）

等式（9）可求得廣義特征值及特征向量，（λi，αi），對于任意常量ki，（λi，kiαi）為等式（10）的解，帶入等式（10）可求得ki=，即=ki。根據國外研究，該等式有且僅有一組特征值大于0。

2.2 人眼狀態識別

橢圓擬合處理人眼輪廓后，可以將橢圓擬合參數作為人眼輪廓信息。根據最小二乘法進行橢圓擬合計算后，可分別求得橢圓長軸a和短軸b的長度：

a=，b=

θ=（θ為長軸相對水平坐標的偏轉角）

由于數據屬于擬合計算結果，因而長軸和短軸數據為圖像只存，而非人眼上下眼瞼真實間距。另外，駕駛員與攝像頭距離、頭部轉動都可能導致短軸長度低于閉眼，因而不能直接將b值作為判斷標志，而需計算其長軸和短軸比值，pe=。國內研究人員發現，當pe>0.24，眼睛處于睜開狀態，否則眼睛處于閉合或半閉合狀態，可判定駕駛員處于疲勞狀態。并且該研究顯示睜眼狀態、半睜眼狀態和閉合狀態檢測準確率分別為91.6%、84.2%、90.5%。實驗結果表明基于橢圓擬合的人眼狀態識別方法的效果顯著，但實驗效果受環境影響較大。光線條件較好情況可獲取清晰的眼部圖片，識別準確率高。如若眼部圖片分辨率或清晰度較低，閉眼狀態識別效果不佳，并且半睜開和閉合狀態判斷存在較大的主觀性，誤差率高。

3 基于PERCLOS和眨眼頻率的識別技術

3.1 PERCLOS檢測原理

計算PERCLOS后，根據系統設定的閾值判斷疲勞狀態。判斷原理見圖1。實際測量方式分為3種：（1）P70。是指眼皮蓋過眼球面積超過70%所占時間比；（2）P80。眼皮蓋過眼球表面積超過80%的所占時間比；（3）Em。眼皮蓋過眼球面積超過50%所占時間比。以P70為例，該原則設兩個眼睛張開程度閾值：P1和P2，如若數數據低于P2，表示眼睛處于閉合狀態。根據原理分別測量t 1、t 2、t 3、t 4，并根據P1和P2公式計算占比：f=，t1和t2分別為針眼最大位置達到閾值P1、P2所需時間；t3和t4分別為針眼達到閾值P2和再次達到閾值P1所需時間。使用PERCLOS檢測駕駛員疲勞狀態需要獲取駕駛員臉部圖像，再分析眼部狀態，測量PERCLOS值，判斷駕駛員是否處于疲勞狀態。

3.2 疲勞駕駛測量

為方便計算，眼睛閉合幀數占總幀數比值作為PERCLOS值，即PERCLOS=×100%。n和N分別為人眼閉合幀數和圖片總幀數。根據PERCLOS原理，疲勞狀態下而人眼眨眼時速度慢，時間長，再設定眨眼時間閾值作為評價標準。

絕大多數人在不同狀態下的眨眼時間存在明顯差異，一般情況下單次閉眼時間為0.2～0.3 s，而疲勞狀態下單次閉眼時間有所增加，且通常超過0.5 s。如若單次閉眼時間超過0.5 s，可判斷駕駛員處于疲勞狀態。但是眨眼次數變慢可能因駕駛員走神引起，如駕駛員目光呆滯且眼睛處于張開狀態；如若眨眼次數降低由駕駛員疲勞引起，可通過計算單位時間內閉眼狀態幀數的判斷，即根據PERCLOS原理判斷；如若由第二種原因引起，PERCLOS原理計算結果會出現PERCLOS值偏小問題；如若系統判定駕駛員眨眼頻率過低，表明駕駛員眼睛也處于異常狀態，也應提高注意力。

目前多數研究顯示，根據PERCLOS值檢測疲勞狀態使，疲勞狀態閾值可取40%，再計算單位時間內PERCLOS值即可檢測并判斷駕駛員狀態。如若PERCLOS超過40%，提示駕駛員可能處于疲勞狀態；如若PERCLOS未超過40%，需要結合眨眼頻率進行判斷；如若眨眼頻率不超過5次/min，則認為駕駛員處于走神狀態。具體檢測過程見圖2。

第一步，識別人眼狀態，并將睜眼和閉眼分別用“+1”“-1”表示，駕駛員眼睛狀態為“+1”“-1”的時間序列，系統自動保存人員狀態序列，用于計算眨眼次數和眨眼頻率。

第二步，計算PERCLOS值。以30 s為間隔，計算單位間隔時間內閉眼幀數及眨眼幀數，PERCLOS值為“-1”出現次數，眨眼次數為“+1”變為“-1”次數。由于處理單位時間內每一幀的工作量極大，因而挨次用隔幀抓取方式，每秒抓取15張圖片。

第三步，結合PERCLOS值和眨眼頻率判斷疲勞狀態。PERCLOS>40%表示疲勞；PERCLOS≤40%且眨眼頻率未超過5次/min為疲勞狀態。

4 結語

相比較而言，基于橢圓擬合的人眼狀態分析技術以及根據PERCLOS眨眼頻率判斷疲勞狀態具有較高的準確率。但是駕駛人員的視覺特性受許多因素影響，如，年齡、經驗、道路環境、車速等，都對駕駛員的視覺行為帶來不同程度的影響。雖然存該技術有許多不完善之處，但是隨著研究不斷深入，駕駛員眼部特征及其研究成果必然在道路安全領域得到廣泛應用。

參考文獻

[1] 蔣建國，王雷，齊美彬，等.基于眼睛狀態檢測的駕駛員疲勞駕駛分析[J].合肥工業大學學報：自然科學版，2015（2）：175-180.

[2] 吳政南.基于人眼特征的駕駛員疲勞檢測方法分析[J].電子世界，2014（14）：369-370.