基于駕駛行為的疲勞駕駛檢測(cè)方法初探

牛超

摘 要：隨著社會(huì)的不斷發(fā)展，汽車行業(yè)發(fā)展迅猛，汽車保有量大幅度提升，交通事故的發(fā)生率也越來(lái)越高。交通部門的相關(guān)調(diào)查顯示，疲勞駕駛是造成重大交通事故的首因。通過(guò)科學(xué)有效的檢測(cè)方法，檢測(cè)駕駛員的駕駛狀態(tài)，能夠有效降低交通安全事故的發(fā)生。本文介紹了疲勞駕駛的特征，分析了國(guó)內(nèi)外檢測(cè)駕駛員疲勞狀態(tài)的方法、特點(diǎn)及發(fā)展趨勢(shì)。

關(guān)鍵詞：疲勞駕駛;檢測(cè)技術(shù);交通事故

隨著社會(huì)的發(fā)展，人們生活水平不斷提高，對(duì)汽車的需求不斷加大，汽車數(shù)量急劇增加，交通安全問(wèn)題越來(lái)越嚴(yán)重。疲勞駕駛是造成安全事故的重要因素，采用科學(xué)有效的駕駛員疲勞狀態(tài)監(jiān)測(cè)方法能夠降低交通事故的發(fā)生率，具有一定的研究?jī)r(jià)值和現(xiàn)實(shí)意義。

1 疲勞駕駛檢測(cè)方法

根據(jù)疲勞駕駛的定義及國(guó)內(nèi)外的研究現(xiàn)狀，可將疲勞駕駛檢測(cè)方法分為三類，包括基于駕駛員生理指標(biāo)的檢測(cè)方法、基于車輛行為的檢測(cè)方法及基于駕駛?cè)诵袨樘卣鞯臋z測(cè)方法。

基于駕駛員生理指標(biāo)的檢測(cè)方法主要是通過(guò)相關(guān)的醫(yī)療器械采集駕駛?cè)藛T的生理特征信息，以此作為依據(jù)進(jìn)行駕駛疲勞判斷。人的生理特征能夠最直接的反應(yīng)疲勞狀態(tài)，該檢測(cè)方法有很高的準(zhǔn)確性，但是，由于該方法需要采用接觸式檢測(cè)裝置，而且設(shè)備的成本較高，綜合來(lái)看，基于駕駛員生理指標(biāo)的檢測(cè)方法實(shí)用性較低。

基于車輛行為的檢測(cè)方法則借助車載傳感器采集當(dāng)前車輛的運(yùn)行特征信息，以此作為依據(jù)分析駕駛員的疲勞狀態(tài)。該方法的理論依據(jù)是駕駛員疲勞時(shí)的控制能力與清醒時(shí)相比有很大不同，從而導(dǎo)致車輛的運(yùn)行特征的差別，該方法有一定的準(zhǔn)確率，而且檢測(cè)設(shè)備成本較低，具有一定的實(shí)用性。該方法的缺陷在于容易受路況等外界因素影響，疲勞檢測(cè)準(zhǔn)確率相對(duì)降低。

基于駕駛?cè)诵袨樘卣鞯臋z測(cè)方法主要通過(guò)圖像處理和模式識(shí)別技術(shù)，檢測(cè)駕駛?cè)嗽谄跁r(shí)的反應(yīng)特征，對(duì)駕駛?cè)说钠跔顟B(tài)進(jìn)行分析判斷。該檢測(cè)方法的理論基礎(chǔ)是人的面部表情特征能直接反應(yīng)疲勞狀態(tài)，該方法具有較高的準(zhǔn)確率，而且作為非接觸式檢測(cè)方法具有較強(qiáng)的實(shí)用性?；隈{駛?cè)诵袨樘卣鞯臋z測(cè)方法的不足之處在于圖像處理手段和方法造成較大的計(jì)算量，運(yùn)算耗時(shí)長(zhǎng)，而且設(shè)備成本不低。

根據(jù)比較，基于駕駛?cè)藛T行為特征的檢測(cè)方法準(zhǔn)確率較高，具有更好的實(shí)用性。

2 基于臉部行為預(yù)測(cè)的駕駛員疲勞駕駛檢測(cè)

基于駕駛?cè)藛T行為特征檢測(cè)主要是根據(jù)駕駛員的面部特征信息來(lái)檢測(cè)駕駛員的疲勞狀態(tài)。通過(guò)視頻采集、單元采集駕駛員面部狀態(tài)的信息，包括頭部的偏移量、眨眼、打哈欠的頻率及面部表情的變化等進(jìn)行疲勞度分析。其中人眼是面部最重要的器官，包含重要信息，一段時(shí)間內(nèi)眼睛無(wú)明顯變化、眨眼頻率過(guò)低、眨眼頻率過(guò)高和眼睛睜開(kāi)程度逐漸變小等都能反映駕駛員的駕駛狀態(tài)，在判定駕駛員疲勞狀態(tài)過(guò)程中具有極高的代表性。

2.1 駕駛員眼睛的定位和特征提取

在人的臉部，眼睛和嘴的灰度變化最快，可以據(jù)此對(duì)臉部范圍的垂直梯度分散進(jìn)行分析，結(jié)合水平投影，分析出眼睛和嘴邊緣的最大值。在疲勞數(shù)據(jù)中，嘴部特征數(shù)據(jù)無(wú)關(guān)緊要，因此在檢測(cè)中只需要對(duì)眼睛進(jìn)行定位分析。

駕駛員臉部區(qū)域垂直方向的梯度可以由公式G（i， j）=f（i+1， j）-f（i， j）求得，水平投影根據(jù)公式H （j ）=∑G（ i ，j） 求得，這樣就能得出準(zhǔn)確的駕駛員臉部結(jié)構(gòu)特征圖，從而得到眼睛在臉部的相對(duì)位置，進(jìn)而根據(jù)結(jié)構(gòu)特征圖的距離分析眼睛的開(kāi)閉狀況。

2.2 駕駛員眼睛狀態(tài)檢測(cè)計(jì)算

根據(jù)單位時(shí)間內(nèi)眼睛閉合時(shí)間的比率可以測(cè)量駕駛員眼睛疲勞狀況所需的相關(guān)數(shù)據(jù)，如眨眼持續(xù)時(shí)間、眨眼頻率、一次眨眼的閉合時(shí)間比率、單位時(shí)間內(nèi)眼睛閉合時(shí)間所占比率等。

眨眼持續(xù)時(shí)間即一次眨眼過(guò)程中眼睛完成開(kāi)、閉、開(kāi)過(guò)程所需的時(shí)間，可用公式求得 D（t）=t1+t4。單位時(shí)間內(nèi)眼睛閉合時(shí)間比可用公式求得，。單位時(shí)間設(shè)為6s，N為收集圖像的幀數(shù)，p（t）為睜眼水平隨時(shí)間改變的函數(shù)。再經(jīng)過(guò)計(jì)算得出一次眨眼的閉合時(shí)間比。從而分析駕駛員的駕駛狀態(tài)。

2.3 基于臉部行為預(yù)測(cè)技術(shù)的駕駛員疲勞駕駛檢測(cè)

基于臉部行為預(yù)測(cè)技術(shù)的駕駛員疲勞駕駛檢測(cè)首先采集駕駛員在駕駛過(guò)程中的相關(guān)圖像，然后用迭代弱分類器產(chǎn)生的強(qiáng)分類器的算法對(duì)駕駛員臉部進(jìn)行檢測(cè)。再根據(jù)駕駛員臉部結(jié)構(gòu)特征進(jìn)一步分析。駕駛員臉部框架橫縱坐標(biāo)值可以分析面部行為變化，從而判斷駕駛員的駕駛狀態(tài)。如果縱坐標(biāo)相關(guān)值低，橫坐標(biāo)變化大，說(shuō)明駕駛員臉部運(yùn)動(dòng)劇烈，駕駛?cè)藙t處于清醒狀態(tài)。如果縱坐標(biāo)相關(guān)值高于設(shè)定值，則說(shuō)明駕駛員處于疲勞駕駛狀態(tài)。

利用水平灰度投影和相關(guān)坐標(biāo)值作差，可以計(jì)算相關(guān)值的垂直距離，分析出駕駛員眼睛的開(kāi)閉，再利用圖像采集的幀數(shù)可得出單位時(shí)間內(nèi)駕駛員眼睛閉合率。打瞌睡是人非常疲勞的表現(xiàn)，研究表明，人的疲勞初期表現(xiàn)為眨眼頻率增加，由此可以對(duì)駕駛員的眨眼次數(shù)進(jìn)行統(tǒng)計(jì)。根據(jù)正常狀態(tài)下人眨眼時(shí)間和頻率設(shè)定門限值，若駕駛員的眨眼閉合時(shí)間比高于門限值，則可以判定駕駛員處于疲勞駕駛狀態(tài)。

3 結(jié)束語(yǔ)

交通安全是當(dāng)今社會(huì)的重要問(wèn)題，也關(guān)系到每個(gè)人的生命安全。疲勞駕駛是造成交通安全的重要因素之一，駕駛員疲勞駕駛檢測(cè)系統(tǒng)能夠有效預(yù)防駕駛員出現(xiàn)疲勞駕駛，減少交通事故的發(fā)生，具有較高的研究?jī)r(jià)值和現(xiàn)實(shí)意義。本文介紹了疲勞駕駛及危害，分析了國(guó)內(nèi)外疲勞駕駛研究現(xiàn)狀，著重分析了疲勞駕駛檢測(cè)方法，探討了基于臉部行為預(yù)測(cè)駕駛員疲勞駕駛檢測(cè)方法，該方法具有較高的準(zhǔn)確率和較強(qiáng)的實(shí)用性。

參考文獻(xiàn)：

[1]耿磊，袁菲，肖志濤，et al.基于面部行為分析的駕駛員疲勞檢測(cè)方法[J].計(jì)算機(jī)工程，2018，44（01）：274-279.

[2]陳友鵬.基于臉部行為預(yù)測(cè)的疲勞駕駛檢測(cè)方法研究[J].開(kāi)封教育學(xué)院學(xué)報(bào)，2018，38（04）：277-278.

[3]秦立鵬.基于眼動(dòng)信息與駕駛行為特征的疲勞駕駛檢測(cè)方法研究[D].陜西：西安建筑科技大學(xué)，2018.