車載生物識別技術發展現狀與應用趨勢分析

左培文 齊濤 熊鳴

摘要：生物識別與感知技術使汽車具備一些類似生物的感知能力，能夠使車機更加人性化的和車內人員進行交互。通過對駕駛員人體相關數據的采集，實時監控駕駛狀態，快速實現一些功能。例如，對駕駛員狀態進行檢測，實現汽車人機界面的實時調整，使車內氣氛、交互環境與駕駛員當前駕駛狀態吻合，這也是未來智能駕艙人性化和情感化的表現。生物識別數據對于智能駕艙而言，能夠提高汽車與人的交互效率，本文將重點對眼球追蹤、人臉識別兩類生物識別技術的發展現狀與應用趨勢進行分析。

關鍵詞：眼球追蹤;人臉識別;狀態檢測;身份識別;情緒檢測

1 眼球追蹤技術

1.1 技術原理

車載眼球追蹤技術是測量駕駛員眼睛的運動情況、估計視線方向與眼睛注視點位置的技術，一般實現眼球追蹤的設備包括紅外光源、光學傳感器及視點計算芯片等主要部件。由紅外光源投射駕駛員眼睛形成紅外圖像，光學傳感器捕獲人眼紅外圖像提取人眼特征，最終通過視點計算芯片計算駕駛員視點位置。

1.2技術特點

車載眼球追蹤技術的應用包含以下方面：第一類是眼控交互，應用在如HUD及其他顯示界面的交互場景中，包括：虹膜解鎖車輛、眼球運動實現HUD操控等。第二類是疲勞檢測，駕駛員疲勞檢測的識別方式是根據眨眼時的眼皮位置、瞳孔與眼瞼遮擋比例來進行檢測，缺點是必須在駕駛員嚴重疲勞眼皮將近閉合或者明顯扭頭的情況才能預警，主要針對①駕駛員注視點停留時長，②眼跳幅度、頻率、頻繁眨眼，③注視點長時間集中在非重點區域等場景或指標進行檢測。第三類是行為規范檢測，眼球追蹤可以進行注意力檢測，比如啟動車輛前是否檢查左后視鏡、是否注意路旁情況時間太長等。相比傳統方法只能根據頭部動作來檢測具有一定優勢：一則頭部動作無法精細到識別注視方位的程度，二則如果駕駛員頭部正對前方僅用眼睛去瞄目標時傳統方案是無法識別的。主要針對駕駛員①啟動車輛、轉向、倒車時的視線方向，②頭部和視線方位關系，③玩手機，④低頭、仰頭、側頭、離席等場景或指標進行檢測。

1.3技術難點

第一，復雜光照。傳統或者普通的眼球追蹤應用場景都是室內，室內的光照一般是小于600Lux。例如，使用紅外燈源投射至眼球的技術方案，室內的可見光對光斑影響較小;但是在太陽光環境下，太陽紅外光的強度、波長范圍較復雜，加之外界各種燈、光的反射、折射，對于眼球光斑和光斑中心的眼部特征提取影響很嚴重。

第二，誤操作。駕駛員駕駛過程中對中控、儀表等多個屏幕的觀察以及行車過程中需左右擺頭對路況的觀察，相比室內使用電腦顯示屏的眼球追蹤，頭部擺動范圍更大。如實現儀表屏、中控屏、副駕駛屏等多個屏幕的眼控功能，一方面受硬件的影響，采集眼圖受限，另外一方面，對算法的要求也更高。

第三，車輛行駛顛簸。當車輛顛簸達到一定頻率時致使相機捕獲的眼圖模糊，難以辨別光斑中心及瞳孔中心，所以車輛顛簸的各種路況也是眼球追蹤技術的應用難點之一。

2 人臉識別技術

2.1 技術原理

車載人臉識別技術是基于駕駛員臉部特征信息進行駕駛員身份識別、狀態檢測的一種生物識別技術，通常采用車內攝像機采集含有駕駛員人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤駕駛員人臉。

2.2技術特點

車載人臉識別的流程則主要包含以下幾個部分，即人臉圖像的采集與預處理、人臉檢測、人臉特征提取及運算。

人臉圖像的采集與預處理：通過駕艙內的攝像機在設備的可拍攝范圍內自動實時抓取駕駛員人臉圖像并完成采集工作。對駕駛員人臉圖像的預處理的目的是在系統對人臉圖像的檢測基礎之上，對人臉圖像做出進一步的處理以利于人臉圖像的特征提取。

駕駛員人臉檢測：系統會精準的定位出人臉的位置和大小，在挑選出有用的圖像信息的同時自動剔除掉其他多余的圖像信息來進一步的保證人臉圖像的精準采集。

人臉特征提取及運算：特征提取的方法一般包括基于知識的提取方法或者基于代數特征的提取方法。以基于知識的人臉識別提取方法中的一種為例，因為人臉主要是由眼睛、額頭、鼻子、耳朵、下巴、嘴巴等部位組成，對這些部位以及它們之間的結構關系都是可以用幾何形狀特征來進行描述的，也就是說每一個駕駛員的人臉圖像都可以有一個對應的幾何形狀特征，它可以幫助我們作為識別人臉的重要差異特征，這也是基于知識的提取方法中的一種。將獲得的人臉特征數據根據預設的人臉識別算法進行運算，進而識別輸出駕駛員的面部情緒、駕駛注意力等駕駛員狀態。

2.3技術難點

汽車駕艙內的人臉識別技術應用仍具有一定挑戰，主要體現在兩個方面：首先，由駕駛員人臉目標內在的變化引起：①人臉具有相當復雜的細節變化和不同的表情（眼、嘴的開與閉等），不同的人臉具有不同的外貌，如臉形、膚色等;②人臉的遮擋，如眼鏡、頭發和頭部飾物等。其次，由外在條件變化引起：①由于駕駛員駕駛車輛時的路況觀察致使成像角度的不同造成人臉的多姿態，如頭部的旋轉擺動等;②車輛行駛中導致駕駛艙內光線的影響，如圖像中的亮度、對比度的變化和陰影等;③圖像的成像條件，如攝像設備在車輛顛簸時焦距、成像距離的處理等。

3 應用趨勢分析

3.1 駕駛員狀態檢測

利用安裝在車上的眼球追蹤及人臉識別技術的相關設備，在駕駛員駕駛過程中，通過接觸或非接觸的方式，實時監控駕駛員的狀態，能夠檢測到駕駛員危險駕駛行為，并提醒駕駛員預警。可實現以下預警功能：

第一，疲勞駕駛預警。由于駕駛員缺少休息或長時間駕駛等原因，產生生理機能和心理機能的失調而出現的駕駛過程中反應時間變慢、視力與協調性變差、或處理外界信息延遲等現象的駕駛狀態。能夠通過面部檢測的方式檢測到駕駛員疲勞駕駛產生疲勞駕駛預警。

第二，分神駕駛預警。駕駛員在駕駛過程中，因注意力未集中于觀察前方道路狀況而可能導致危險的駕駛狀態，該駕駛狀態包括但不限于低頭、左顧右盼等。車載終端應能夠通過視頻的方式檢測到駕駛員分神狀態，產生分神警告，且能夠區分車輛轉向、駕駛員觀察后視鏡等情況與分神駕駛狀態。

第三，抽煙預警。在車輛行駛過程中，車載終端應能夠通過接觸或非接觸的方式檢測到駕駛員抽煙的行為產生預警。

第四，接打電話預警。在車輛行駛過程中，車載終端應能夠通過接觸或非接觸的方式檢測到駕駛員接打電話的行為產生預警，且具備以下功能：

第五，駕駛員異常預警。車輛行駛過程中，用于檢測駕駛員狀態的攝像頭未檢測到人臉面部特征達到3秒以上的情形。在車輛行駛過程中，終端檢測到駕駛員異常時，應能產生駕駛員異常預警，對駕駛員進行預警提示。

可設置報警分級速度閾值的功能，提供不同等級的疲勞駕駛警告預警。當車輛速度低干預警分級速度閾值時，若檢測到疲勞駕駛，產生一級預警，同時進行語音預警提示或者顯示預警提示;當車輛速度高于預警分級速度閾值時，若檢測到疲勞駕駛，產生二級預警，同時進行語音預警提示或者顯示預警提示。產生二級預警時，車載終端可向相關客服或管理平臺發送駕駛預警信息。

3.2駕駛員身份識別

具備對駕駛員面部特征識別功能，當檢測到駕駛員離開監控畫面再返回時，終端應能將重新出現的駕駛員面部特征與離開前的駕駛員面部特征相對比。若駕駛員面部特征不同，則產生駕駛員身份異常事件，并不能啟動駕駛車輛。

3.3駕駛員情緒檢測

通過人臉識別技術判斷駕駛員的情緒狀態，基于駕駛員相應的預警信息，提示駕駛員是否處于情緒異常狀態。例如，當系統檢測到駕駛員過于焦慮或易怒的情況，從而判定駕駛員能否專心駕駛，在駕駛員怒路癥發作而感到焦躁不安時，播放駕駛員最喜歡的歌曲使其平緩情緒，未來駕駛員的情緒識別可與半自動駕駛車輛相互結合，如在無法緩解駕駛員情緒的情況下，轉由車載系統控制車輛的駕駛操控，進而保證駕駛安全。