汽车防碰撞预警系统（汽车疲劳驾驶识别预警系统如何识别驾驶员疲劳状态）

驾驶疲劳是指由于睡眠不足或长时间连续驾驶而引起的驾驶员反应能力下降，表现为驾驶员嗜睡、打瞌睡、驾驶失误或完全丧失驾驶能力。

驾驶疲劳体现在生理和心理两个方面。生理反应包括神经系统功能、血液和眼睛的变化。心理反应包括反应时间延长，注意力分散，动作不协调。美国印第安纳大学的交通事故原因调查发现，85%的事故与司机有关，只有15%是车辆和环境造成的。

驾驶员在事故发生前一瞬间的行为和过错直接导致了事故的发生，包括感知的延迟、对环境的错误决策、对危险情况的处理不当。在驾驶员的所有失误中，最常见的是感知延迟和决策失误，会导致注意力不集中、反应迟钝、操作不当等。这些错误的根本原因是驾驶疲劳。驾驶员疲劳驾驶导致警惕性降低，导致交通事故增加，已成为社会普遍关注的热点。

如果驾驶员疲劳驾驶，其观察能力、识别能力和车辆控制能力都会明显下降，严重威胁自身安全和他人生命安全。随着交通运输业的发展，交通事故已经成为各国面临的严重问题。

驾驶员疲劳状态的主要监测方法

驾驶员疲劳和注意力分散的监测预警技术因其在交通事故预防中的发展前景而受到各国的高度重视。研究人员根据驾驶员疲劳时的生理和操作特点进行了各种研究，一些研究成果已经形成产品并开始进入市场。

驾驶员疲劳状态的检测方法大致可以分为基于驾驶员生理信号、驾驶员生理反应特征、驾驶员操作行为和车辆状态信息的检测方法。

1、基于驾驶员生理信号的检测方法

对疲劳的研究最早是从生理学开始的。相关研究表明，驾驶员在疲劳状态下的生理指标会偏离正常状态。因此，可以通过驾驶员的生理指标来判断驾驶员是否进入疲劳状态。目前比较成熟的检测方法有对驾驶员的脑电和心电的测量。

研究人员早就发现，脑电图可以直接反映大脑的活动。发现进入疲劳状态时，脑电中波和波的活动会大大增加，而波的活动会略有增加。另一项研究[6]通过在模拟器和实车中监测脑电信号，实验结果表明脑电信号是监测驾驶员疲劳的有效方法。同时，研究人员发现，脑电信号的特征具有很大的个体差异，如性别、性格等，也与人的心理活动密切相关。

心电图主要用于驾驶负担的生理测量。研究表明，驾驶员疲劳时，心电图会出现明显的规律性下降，HRV(心率变化)与驾驶过程中疲劳程度的变化存在潜在的关系。

基于驾驶员生理信号的检测方法在疲劳判断上具有较高的准确性，但生理信号需要接触式测量，对个体依赖性强。所以实际用于驾驶员疲劳监测时有很多局限性，所以主要在实验阶段作为实验的控制参数使用。

2、基于驾驶员生理反应特征的检测方法

基于驾驶员生理反应特征的检测方法是指利用驾驶员的眼球运动特征和头部运动特征来推断驾驶员的疲劳状态。

驾驶员的眼球运动和眨眼信息被认为是反映疲劳的重要特征，眨眼幅度、眨眼频率和平均闭眼时间可直接用于检测疲劳。目前基于眼动学研究驾驶疲劳的算法有很多，广泛使用的算法有PERCLOS，即一段时间内眼睑闭合时间的百分比用a

利用面部识别技术定位眼睛、鼻尖和嘴角的位置，结合眼睛、鼻尖和嘴角的位置，根据眼球的跟踪可以得到驾驶员的注意力方向，判断驾驶员注意力是否分散。

头部位置传感器用于检测驾驶员的点头动作，来自各个传感器的驾驶员头部位置通过电容传感器阵列输出，可以实时跟踪头部的位置，根据头部位置的变化规律判断驾驶员是否困倦。这项研究发现，点头动作与困倦有很好的相关性。

基于驾驶员生理反应特征的检测方法一般采用非接触式测量，对于疲劳状态具有较好的识别精度和实用性。

3、基于驾驶员操作行为的检测方法

基于驾驶员操作行为的驾驶员疲劳状态识别技术是指通过驾驶员操作方向盘等操作行为来推断驾驶员的疲劳状态。

通过对驾驶员方向盘操作监测数据的处理，研究结果在一定程度上揭示了驾驶员方向盘操作与疲劳之间的关系。指出方向盘的操作是判断驾驶疲劳的有效手段。

总的来说，利用驾驶员操作行为进行疲劳识别的深入研究成果很少。驾驶员的操作不仅与疲劳状态有关，还受个人习惯、驾驶速度、道路环境和操作技能的影响。车辆的行驶状态还与车辆特性、道路等诸多环境因素有关，因此如何提高对驾驶员状态的估计精度是这类间接测量技术的关键问题。

4、基于车辆轨迹的检测方法

还可以利用车辆行驶轨迹变化、车道线偏差等车辆行驶信息来推断驾驶员的疲劳状态。这种方法和基于驾驶员操作行为的疲劳状态识别技术一样，都是基于车辆的现有设备，不需要增加太多的硬件设备，也不会干扰驾驶员的正常驾驶，因此具有很高的实用价值。

基于文章技术的疲劳驾驶识别系统

1999年4月，美国联邦公路管理局首次提出PERCLOS作为预测机动车驾驶员驾驶疲劳的可行方法。经过多年的发展，PERCLOS方法已经被公认为最有效的、车载的、实时的驾驶疲劳评价方法。PERCLOS是瞳孔时间内视力闭合百分比的缩写，意思是单位时间内眼睛闭合时间的百分比。

PERCLOS的原理是统计一定时间内眼睛闭着的时间比例。我们系统采用的评价标准是PERCLOS80，即眼睑覆盖瞳孔的面积超过80%时，眼睛是闭着的。

PERCLOS测量原理

PERCLOS的值可以通过测量t1-t4来计算：

其中f代表闭眼时间的百分比，即PERCLOS的值。

基于文章技术的疲劳驾驶识别系统的系统方案和工作流程

驾驶员疲劳监控系统通过文章采集设备获取驾驶员的实时图像，自动分析驾驶员的头部姿势、眼球运动规律和面部特征来判断驾驶员的精神状态，并给出相应的预警提示。研究表明，与面部或头部运动规律相比，眨眼频率、眨眼速度、睁眼幅度、眼睛注视方向等眼球运动规律更能反映被试当前时刻的精神状态。

因此，如果能得到每一帧图像中眼睛的大小、位置信息和运动变化，就可以统计出一段时间内驾驶员的眼睛活动规律，结合疲劳状态分析指标来评价驾驶员的疲劳状态。系统流程如图所示：

图像预处理

驾驶环境下文章流采集的图像会受到多种因素的影响，包含噪声信息，如分辨率、系统噪声、突变背景等。会干扰后面的图像操作。因此，我们通过直方图均衡化对源图像进行预处理，去除噪声，增强图像对比度，突出图像细节，提高图像质量。

均衡前和均衡后

均衡前的直方图均衡后的直方图

人脸检测

人脸检测是眼睛定位前的重要步骤。系统采用Adaboost算法，使用提供的样本训练和检测方法。首先采集样本，从采集的样本中训练出一个分类器，可以很好的区分人脸和非人脸。在检测阶段，将待检测的图像帧加载到分类器中，通过扫描图像的像素点找到图像中包含的人脸，并进行区域标定。后续操作将在标定后的人脸区域进行，减少了计算面积，排除了非人脸因素的干扰，大大提高了系统的运行速度。

眼睛定位

这个环节包括两个阶段：人眼粗略定位和人眼精确定位。首先，根据中国传统的三庭五眼的先验知识，粗略定位一定存在人眼的大致区域，可能同时包含眉毛、发角等干扰，但又进一步缩小了计算区域；然后通过一定的阈值将人眼的粗糙区域转换成二值图像，再在垂直方向上进行灰度投影得到直方图。由于人眼与周围皮肤的灰度差异较大，因此可以从直方图中的波峰和波谷判断出人眼上下边缘的Y坐标，进而准确定位眼睛。

眼睛状态判断

采用最大类间方差(Otsu)方法对不同光照下不同阈值的人眼精确区域进行二值化，分别得到眼睛睁开和闭上时的最佳眼睛形状。通过比较连续N帧，可以判断当黑色像素值的面积最小时，可以认为驾驶员处于闭眼状态，其他情况下，驾驶员处于睁眼或半睁眼状态。

疲劳分析

系统选用目前公认有效的PERCOLS疲劳度评价指标，即通过N个连续帧中闭眼帧的时间比例来分析疲劳状态，将睁眼帧记为“1”值，闭眼帧记为“0”值，这样在N个连续帧后可以得到“1”和“0”的交错序列，疲劳状态分析可以用序列中“0”值的比例来描述。

通过以上五个步骤的操作，系统可以从采集设备获取的文章流中分析出当前驾驶员是否处于疲劳状态和疲劳程度，并给出不同程度的提醒和报警，从而达到系统目标。

疲劳程度的综合判断

驾驶员疲劳的判断会因检查不正确而带来不利影响。通过对PERCLOS、闭眼时间、眨眼频率、张口度、头部运动的计算，综合判断疲劳程度，可以准确有效地检测出驾驶员的疲劳程度。

佩尔克洛斯

PERCLOS是指一定时间内闭眼时间所占的百分比。PERCLOS方法有三个标准：P70、P80和EM。研究表明，P80与疲劳程度的相关性最好。

张口度

嘴巴状态通常有三种：合上、说话、打哈欠。在疲劳状态下，人会频繁地打哈欠，发现这个区域的下部水平灰度投影曲线上有一个低谷，就是嘴唇之间的位置。对人脸的下半部分进行二值化，从嘴唇的上下两部分计算连通区域(可以防止鼻孔和胡须影响计算)的像素值，从而得到嘴巴的张开度。

眼睛高度和嘴巴高度补偿

当从上眼睑到下眼睑的垂直距离和从上嘴唇到下嘴唇的垂直距离时，驾驶员的头部相对于检测设备运动，因此为了准确计算驾驶员的眼睛高度和嘴巴高度，需要校正眼睛和嘴巴与检测设备之间的相对距离变化引起的变化。

闭眼时间

闭眼时间一般用闭眼到睁眼的时间来表示。人在正常清醒状态下，眼睛闭的时间很短，会很快睁开。但在疲劳时，闭眼时间会明显变长，所以闭眼时间可以直接反映驾驶员的精神状态。通过计算从闭眼到睁眼的最大帧数，帧数越多，闭眼时间越长，疲劳越严重。

眼睛眨得不那么频繁。堀藏

人们在疲劳时比醒着时眨眼更频繁。本文还将其作为一个参数，作为疲劳判断的依据。闭上眼睛，直到睁开。累计一段时间内眨眼的次数，作为疲劳判断的参数。

头部运动的疲劳参数

司机累了会频频点头，身体前倾。通过水平灰度积分投影得到瞳孔和嘴角的水平位置。假设d1是瞳孔水平位置到拍摄画面上边缘的距离，d2是嘴角水平位置到拍摄画面下边缘的距离。当驾驶员疲劳点头时，d1增大，d2减小。当驾驶员疲劳且头部前倾时，d1增大，d2增大。点头和前倾可以作为疲劳判断的重要依据。

疲劳驾驶监控技术的现状

美国Attention Technologies公司推出的驾驶员疲劳监测仪(DD850)是一款基于驾驶员生理反应特征的驾驶员疲劳监测预警产品。该产品通过红外摄像头收集驾驶员的眼部信息，并使用PERCLOS作为疲劳警告指示器。可直接安装在仪表盘上，报警灵敏度和报警音量可调。目前已经推广应用，但只在夜间有效。

美国Digital Installations公司开发的S.A.M疲劳报警装置，利用放置在方向盘下的磁条来检测方向盘角度。如果驾驶员在一段时间内没有校正方向盘，系统推断驾驶员处于疲劳状态，并触发警报。

美国AssistWare科技公司的SafeTRAC利用前文章头识别车道线，当车辆开始偏离车道时发出报警。该产品还能结合车道保持状态和驾驶员方向盘操作特征，判断驾驶员的疲劳状态。

英国的ASTiD装置综合考虑驾驶员的睡眠信息、完成的驾驶时间和类型，以及驾驶员的方向盘操作等因素来判断驾驶员的疲劳状态。在设备运行之前，司机需要输入他过去24小时的睡眠信息。当视觉报警达到一定程度时，触发听觉报警，建议驾驶员停车休息。休息一会儿后，内置闹钟会叫醒司机，重新设定驾驶时间。

除了这些产品，还有其他疲劳检测预警产品，比如通过手腕运动检测疲劳的疲劳报警手环，以及可以挂在眼睛和腿上，利用加速度运动信息检测头部运动的疲劳检测眼镜。

驾驶员疲劳状态监测方法和装置的研究对于预防疲劳驾驶引发的交通事故具有重要意义，应用前景广阔。可以预见，在未来很长一段时间内，它将是汽车安全技术领域的一个热点方向。然而，驾驶员的疲劳状态受多种因素的影响，迄今为止还没有找到非常有效的指标或模型来准确评价疲劳水平。因此，有必要进一步研究各项指标与驾驶员疲劳水平之间的关系。此外，现有的监测驾驶员疲劳状态的方法大多基于单一指标。虽然它们在有限的条件下可以达到一定的精度，但是在实际复杂多变的行驶环境中，它们的精度和可靠性仍然存在问题，难以达到预期的要求。针对这一问题，多源信息融合方法将成为一个发展方向。