基于人脸识别的驾驶员疲劳检测系统

曹徐 田文泉

摘 要：如今疲劳驾驶是安全的重要隐患之一，疲劳驾驶会使驾驶员对周围驾驶环境的感知判断力以及对车辆的操控力下降，从而引发不可挽回的交通事故。本文在深入分析了国内外有关驾驶员疲劳驾驶检测方法研究的基础上，提出了一种基于驾驶员疲劳状态下的面部表情特征检测方法，通过检测驾驶员疲劳时的眨眼频率、哈欠频率及点头频率结合驾驶员脑电频率和心率来判断驾驶员的疲劳状态。

关键词：驾驶员疲劳检测;人脸识别;特征提取

随着汽车数量的增加以及公路建设规模的擴大，开车的人数越来越多，驾驶员因疲劳驾驶而引发的交通事故也越来越多。据调查表明因疲劳驾驶而引发的交通事故占据21%的比例，由于驾驶员驾驶过程中环境的多变性和复杂性，很多疲劳检测手段很难对驾驶员的疲劳状态做出有效的监督和预警。所以对驾驶员行驶过程中进行实时疲劳检测越来越急迫和重要。

疲劳驾驶客观上表现为驾驶技能的下降，并表现出打瞌睡、反应迟钝、四肢无力、注意力不集中和判断能力下降等现象。驾驶员疲劳检测技术因其巨大的社会效应和经济效应，受到各国政府的高度重视。根据信息来源的不同，可将驾驶员疲劳检测方法分为以下三种：

（1）基于生理参数的检测方法：以生理参数为基础的驾驶员疲劳检测方法主要是利用各种专用生理传感器，采集驾驶员在驾驶状态下的各种生理信号，并对这些信号进行分析，从而识别驾驶员的疲劳状态，目前常用的驾驶员生理参数有：脑电（EEG）、心电（ECG）、眼动（EMG）、肌电（EMG）、脉搏（ECG）、呼吸频率等。由于生理信号能快速、准确地反映人的心理状态，所以基于生理信号的检测方法具有很好的实时性和准确性。以生理参数为基础的驾驶员疲劳状态检测方法需要使用接触设备来提取生理参数，从而在一定程度上会造成驾驶员的不舒服，影响操作。

（2）基于驾驶行为的检测方法：以驾驶行为为基础的疲劳检测方法主要是利用各种车载传感器，采集驾驶状态下驾驶员的操作信息，如方向盘、加速踏板、制动踏板和离合器等，进行分析建模，从而判断驾驶员的疲劳状态。

一、驾驶员面部特征提取

面部含有很重要的信息，可以作为驾驶员疲劳的一种指标，面部动态表现睡意，以打哈欠为特征，这通常与大脑缺氧有关。在这种情形下，人类的自然反应就是张大嘴巴，努力呼吸更多的氧气，这是一种可以被用来作为疲劳预警的面部特征。脸部的另一个特征是眨眼速度，它表示一段时间内眨眼的次数。当人处于困倦状态时，眨眼的频率会发生变化，此特征可用于指示疲劳程度。司机由于某种原因处于疲劳驾驶状态时，经常会出现打瞌睡，打哈欠等现象。与这些生理现象有很大的关联且微表情的特点主要集中在眼睛、嘴巴和眉毛。从而监控人脸区域中眼、嘴、眉的微表情，提取疲劳特征指标，识别驾驶员疲劳状态。司机疲劳时，眼睛睁开-闭-睁开的过程所花的时间变长，而司机眨眼的时间越长，疲劳程度越高。一般情况下，每分钟眨眼15～30次，每次眨眼时间在0.2～0.3秒之间。如果驾驶员一段时间内眨眼次数过少，且一分钟低于七次，则可能处于疲劳驾驶状态，此时应向驾驶员发出警告。在正常行驶过程中，司机嘴基本上是闭着的。当司机在和别人说话时，嘴的状态是一般张着的;当司机打哈欠时，嘴就会张开的要比平常大一些。一般说来，打哈欠是一个较长的过程，而且嘴张开的幅度较大。在张开嘴保持一定时间之后，就可以判断司机为打哈欠状态，而且下垂的眉毛和下垂的嘴角呈现的是一种顺从性的疲劳状态。在疲劳状态下，驾驶员会自我调节，此时会轻皱眉头，眼部微微抬起，面部肌肉会不定时的收缩，同时还会出现打哈欠的动作。以计算机视觉技术为基础的疲劳检测，是通过安装在汽车仪表板或镜子下面的低成本摄像头来获取驾驶员的图像，其中包括驾驶员的面部、身体的上部、手部、座椅的后部或汽车的其他内部部件，并通过这些图像来判断汽车的重要信息，例如人脸等等。

该系统主要包括：图像采集模块，心率采集模块，脑电采集模块，车载处理模块，预警模块。每个采集模块收集人眼图像、心率信号、脑电信号并传送到车内处理模块进行一系列数据预处理，利用机器学习训练得到的逻辑回归模型对人的疲劳状态进行判断，并根据判

断结果控制预警模块的预警强度。在图1中显示了系统的构图。

二、驾驶员疲劳状态判断

驾驶员疲劳驾驶的主要表现是在驾驶过程中打瞌睡、走神、心跳加快、频繁眨眼等，造成操作失误或驾驶能力丧失。心率、脑电疲劳计算及PERCLOS算法表现疲劳的心电信号时域指标主要为R-R间期，也就是心脏的每次搏动间期。将R-R间隔一段时间的心率取平均值，再除以相应的系数，得到1min内心脏跳动的次数，即为所得到的心率

公式中period为一段时间内的平均心跳时间间隔。

驾驶员处于疲劳状态时，β波减少，α波增多;驾驶员处于睡眠状态时，脑电的主要频率会降至θ波。因此使用公式（2）可表示驾驶员的疲劳程度：

公式中：r是脑电波功率谱之比;β、α、θ是对应于β波、α波、θ波的功率。

PERCLOS算法是国际公认的较为准确的人眼疲劳检测算法，它可以检测一段时间内眼睛闭合时间所占总时间的百分比

公式中：t1为人眼睁开100%至闭合20%的时间;t2为人眼睁开100%至闭合80%的时间;t3为人眼睁开100%至下一次睁开20%的时间;t4为人眼睁开100%至下一次睁开80%的时间。其中，20%，80%，100%都是眼球占全眼的比例。

三、算法流程图

一般而言，人眼在一分钟内眨眼次数为10至15次，若眨眼次数小于此值，则表明驾驶员的眼睛大部分时间是闭着的，或眼睛一直张开，但目光比较呆滞，眼球无明显活动。在第二种情况下，需要判断加入驾驶员的眨眼次数。在本文中设定，如果驾驶员 PERCLOS测量值大于0.3，而一分钟眨眼次数小于或等于5，则认为驾驶员是在高度走神，需要给予相应的警告信息。它的特定算法是，如果人眼在相邻两帧之间的状态有变化，设变化数 change=1.如果 change=2，说明眨眼一次，记眨眼数 sum=1，并设置 change=0，按顺序进行。图2显示了它的算法流程图。

四、结论

本文对上述算法进行了测试，并对结果进行了分析。一定程度上可以检测出驾驶员是否处于疲劳状态。当驾驶员处于疲劳驾驶状态时，通过发出声音警告提醒驾驶员停车休息，可以减少交通事故的发生。但是由于真实场景中环境复杂，各方面都存在不利因素，导致性能下降，这也是我们今后研究工作的重点。

参考文献：

[1]高永萍.驾驶员疲劳检测系统[J].仪表技术与传感器，2007，（1）：60-62.

[2]薄华.基于人眼识别的驾驶员疲劳检测[J].电脑知识与技术，2011，（25）：6164-6165，6177.

[3]颜伟.驾驶员疲劳检测系统设计[J].计算机测量与控制，2017，（3）：43-47.f