基于树莓派的眼部疲劳状态实时监测系统

林 虹, 吴良峰

(1. 阳光学院信息工程学院, 福建 福州 350015；2. 福州瑞芯微电子股份有限公司底层平台中心, 福建 福州 350003)

0 引言

国内外相关文献研究显示,疲劳驾驶状态的检测方法主要有3种：基于车辆行为特征的检测方法(行驶路线、方向盘转角、相对道路偏移等)[1]、基于生理信号特征的检测方法(脑电信号(EEG)、心电信号(ECG)、肌电信号(EMG)等)[2]和基于驾驶员行为特征的检测方法(眼部特征、唇部特征、面部朝向等)[3-4]。其中,实时分析眼部特征的非接触式检测方法,主要是基于计算机视觉方法,采用图像识别技术提取眼部特征判断疲劳状态,具有可靠性高、准确度高和容易实现等优势,是当前疲劳驾驶检测领域的研究热点。

目前,用于评估眼部疲劳的有效特征参数有眨眼频率、PERCLOS(percentage of eyelid closure over the pupil)[5]和眼部纵横比EAR(eye aspect ratio)[6]等。García等使用红外立体摄像头获取人脸图像,基于Viola-Jones算法和Hat变换提取眼部信息,计算PERCLOS参数实现疲劳状态的检测[7]。牛清宁等利用SmartEye系统提取眨眼频率、PERCLOS、注视方向等多个特征参数,提出利用滑移时窗融合的方法,对各参数进行融合,疲劳检测的准确率达到83.84%[8]。此类研究主要集中在眼部区域的定位和分割,采用单个或多个眼部特征参数来判断疲劳状态,准确率已经达到较高的水平,但算法一般比较复杂、开发难度大,对硬件平台的性能要求较高,不利于实际推广使用。因此,T Musale等基于嵌入式平台和USB摄像头,设计了成本低且结构简单的疲劳驾驶检测系统[9-10],但这些系统的疲劳检测算法比较简……