駕駛疲勞是指駕駛員由于睡眠不足或長時間持續(xù)駕駛造成的反應(yīng)能力下降，這種下降表現(xiàn)在駕駛員困倦、打瞌睡、駕駛操作失誤或完全喪失駕駛能力。

駕駛疲勞反映在生理與心理兩個方面，生理反映包括神經(jīng)系統(tǒng)的功能、血液和眼睛的變化；心理反映包括反應(yīng)時延長、注意力分散、動作不協(xié)調(diào)。美國印第安那大學(xué)對交通事故原因的調(diào)查研究發(fā)現(xiàn)85％的事故與駕駛員有關(guān)，車輛和環(huán)境因素只占15％。

駕駛員在事故發(fā)生前一瞬間的行為和故障直接導(dǎo)致了事故的發(fā)生，這些行為包括知覺的延遲、對環(huán)境的決策錯誤、對危險情況的處理不當?shù)取Ｔ谒械鸟{駛員錯誤中，最常見的是知覺延遲和決策錯誤，這些錯誤會產(chǎn)生注意力不集中、反映遲鈍、操作不當?shù)龋a(chǎn)生這些錯誤的根本原因就是駕駛疲勞。由于司機疲勞駕駛導(dǎo)致警惕性水平的下降，從而造成交通事故的增長，這已成為了社會普遍關(guān)注的一個熱點。

如果司機疲勞駕駛，那么他的觀察、識別和車輛控制能力都會顯著下降，嚴重威脅自身的安全和其他人的生命。隨著交通運輸業(yè)的發(fā)展，交通事故已成為當前各國所面臨的嚴重問題。

駕駛?cè)似跔顟B(tài)主要監(jiān)測方法

關(guān)于駕駛?cè)似诩白⒁夥稚⒌劝踩珷顟B(tài)的監(jiān)測預(yù)警技術(shù)，由于它在交通事故預(yù)防方面的發(fā)展前景而受到各國高度的重視，研究人員根據(jù)駕駛?cè)似跁r在生理和操作上的特征進行了多方面的研究，一些研究成果已形成產(chǎn)品并開始進入市場。

駕駛?cè)似跔顟B(tài)的檢測方法可大致分為基于駕駛?cè)松?a target="_blank">信號、基于駕駛?cè)松矸磻?yīng)特征、基于駕駛?cè)瞬僮餍袨楹突谲囕v狀態(tài)信息的檢測方法。

1、基于駕駛?cè)松硇盘柕臋z測方法

針對疲勞的研究最早始于生理學(xué)。相關(guān)研究表明，駕駛?cè)嗽谄跔顟B(tài)下的生理指標會偏離正常狀態(tài)的指標。因此可以通過駕駛員的生理指標來判斷駕駛?cè)耸欠襁M入疲勞狀態(tài)。目前較為成熟的檢測方法包括對駕駛?cè)说哪X電信號EEG、心電信號ECG等的測量。

研究人員很早就已經(jīng)發(fā)現(xiàn)EEG能夠直接反映大腦的活動狀態(tài)。研究發(fā)現(xiàn)在進入疲勞狀態(tài)時，EEG中的delta波和theta波的活動會大幅度增長，而alpha波活動會有小幅增長。另一項研究[6]通過在模擬器和實車中監(jiān)測EEG信號，試驗結(jié)果表明EEG對于監(jiān)測駕駛?cè)似谑且环N有效的方法。研究人員同時發(fā)現(xiàn)，EEG信號特征有很大的個人差異，如性別和性格等，同時也和人的心理活動相關(guān)很大。

ECG主要被用于駕駛負擔(dān)的生理測量中。研究表明在駕駛?cè)似跁rECG會明顯的有規(guī)律的下降,并且HRV（心率變化）和駕駛中的疲勞程度的變化有潛在的關(guān)系。

基于駕駛?cè)松硇盘柕臋z測方法對疲勞判斷的準確性較高，但生理信號需要采用接觸式測量，且對個人依賴程度較大，在實際用于駕駛?cè)似诒O(jiān)測時有很多的局限性，因此主要應(yīng)用在實驗階段，作為實驗的對照參數(shù)。

2、基于駕駛?cè)松矸磻?yīng)特征的檢測方法

基于駕駛?cè)说纳矸磻?yīng)特征的檢測方法是指利用駕駛?cè)说难蹌犹匦浴㈩^部運動特性等推斷駕駛?cè)说钠跔顟B(tài)。

駕駛?cè)搜矍虻倪\動和眨眼信息被認為是反映疲勞的重要特征，眨眼幅度、眨眼頻率和平均閉合時間都可直接用于檢測疲勞。目前基于眼動機理研究駕駛疲勞的算法有很多種，廣泛采用的算法包括PERCLOS，即將眼瞼閉合時間占一段時間的百分比作為生理疲勞的測量指標。

利用面部識別技術(shù)定位眼睛、鼻尖和嘴角位置，將眼睛、鼻尖和嘴角位置結(jié)合起來，再根據(jù)對眼球的追蹤可以獲得駕駛?cè)俗⒁饬Ψ较颍⑴袛囫{駛?cè)说淖⒁饬κ欠穹稚ⅰ?/p>

利用頭部位置傳感器檢測駕駛?cè)它c頭動作，通過電容傳感器陣列輸出駕駛?cè)祟^部距離每個傳感器的位置,可實時跟蹤頭部的位置,根據(jù)頭部位置的變化規(guī)律判定駕駛?cè)耸欠耦?該研究發(fā)現(xiàn)點頭的動作和瞌睡有非常好的相關(guān)性。

基于駕駛?cè)松矸磻?yīng)特征的檢測方法一般采用非接觸式測量，對疲勞狀態(tài)的識別精度和實用性上都較好。

3、基于駕駛?cè)瞬僮餍袨榈臋z測方法

基于駕駛?cè)瞬僮餍袨榈鸟{駛?cè)似跔顟B(tài)識別技術(shù)，是指通過駕駛?cè)说牟僮餍袨槿绶较虮P操作等操作推斷駕駛?cè)似跔顟B(tài)。

利用對監(jiān)測到的駕駛?cè)说姆较虮P操作數(shù)據(jù)進行處理，研究結(jié)果在一定程度上揭示了駕駛?cè)说姆较虮P操作與疲勞之間的關(guān)系。研究指出方向盤的操作是一種有效的駕駛疲勞的判斷手段。

總體來說，目前利用駕駛?cè)瞬僮餍袨檫M行疲勞識別的深入研究成果較少。駕駛?cè)说牟僮鞒伺c疲勞狀態(tài)有關(guān)外，還受到個人習(xí)慣、行駛速度、道路環(huán)境、操作技能的影響，車輛的行駛狀態(tài)也與車輛特性、道路等很多環(huán)境因素有關(guān)，因此如何提高駕駛?cè)藸顟B(tài)的推測精度是此類間接測量技術(shù)的關(guān)鍵問題。

4、基于車輛行駛軌跡的檢測方法

利用車輛行駛軌跡變化和車道線偏離等車輛行駛信息也可推測駕駛?cè)说钠跔顟B(tài)。這種方法和基于駕駛?cè)瞬僮餍袨榈钠跔顟B(tài)識別技術(shù)一樣，都以車輛現(xiàn)有的裝置為基礎(chǔ)，不需添加過多的硬件設(shè)備，而且不會對駕駛?cè)说恼ｑ{駛造成干擾，因此具有很高的實用價值。

基于視頻技術(shù)的疲勞駕駛識別系統(tǒng)

1999年4月，美國聯(lián)邦公路管理局首先提出了把PERCLOS作為預(yù)測機動車駕駛員駕駛疲勞的可行方法。經(jīng)過多年的發(fā)展，目前，PERCLOS方法已被公認為最有效的、車載的、實時的駕駛疲勞測評方法。PERCLOS是Percentage of Eyelid Closure Over the Pupil Time的縮寫，意為單位時間里眼睛閉合時間所占的百分比。

PERCLOS的原理即為統(tǒng)計在一定時間內(nèi)眼睛閉合時所占的時間比例。我們的系統(tǒng)所采用的評判標準為PERCLOS80，指眼瞼遮住瞳孔的面積超過80%就認為眼睛閉合。

PERCLOS測量原理

通過測量出t1-t4就能計算出PERCLOS的值：

其中F代表眼睛閉合時間的百分比，即PERCLOS的值。

基于視頻技術(shù)的疲勞駕駛識別系統(tǒng)系統(tǒng)方案及工作流程

駕駛員疲勞監(jiān)測系統(tǒng)通過視頻采集設(shè)備獲得駕駛員實時圖像，自動分析駕駛員的頭部姿態(tài)、眼睛運動規(guī)律以及面部特征等信息來確定駕駛員精神狀態(tài)，并給出相應(yīng)的預(yù)警提示。研究表明，相比臉部或頭部運動規(guī)律而言，眼睛的活動規(guī)律，如眨眼頻率、眨眼快慢、眼睛張開幅度以及眼睛的注視方向等能更好地反映出當前時刻實驗對象的精神狀態(tài)好壞。

因此，如果能夠獲得每一幀圖像中的雙眼大小、位置信息以及運動變化，就可以將一段時間內(nèi)駕駛員的眼部活動規(guī)律統(tǒng)計出來，結(jié)合疲勞狀態(tài)分析指標，就能夠?qū)︸{駛員疲勞狀態(tài)進行評價。系統(tǒng)流程如圖所示：

圖像預(yù)處理

在駕駛環(huán)境下通過視頻流采集的圖像會受到諸多因素的影響而包含噪聲信息，如分辨率、系統(tǒng)噪聲、突變背景等，給接下來的圖像運算帶來干擾。因此，我們對源圖像通過直方圖均衡化的手段進行預(yù)先處理，去除噪聲，增強圖像對比度，凸顯圖像細節(jié)，提高圖像質(zhì)量。

均衡化前 均衡化后

均衡化前的直方圖 均衡化后的直方圖

人臉檢測

人臉檢測環(huán)節(jié)是人眼定位前的重要步驟。系統(tǒng)采用Adaboost算法，利用提供的樣本訓(xùn)練和檢測方法。首先采集樣本，從已采集的樣本集中訓(xùn)練出分類器，該分類器可以很好地區(qū)別出人臉和非人臉；在檢測環(huán)節(jié)，加載待檢圖像幀至分類器中，通過對圖像像素點的掃描，找到圖像中包含的人臉，標定該區(qū)域。后續(xù)操作會在已標定的人臉區(qū)域中進行，縮小計算區(qū)域，排除非人臉因素的干擾，極大地提高了系統(tǒng)的運行速率。

眼定位

該環(huán)節(jié)包括人眼粗略定位和人眼精確定位兩個階段。首先，根據(jù)中國傳統(tǒng)的三庭五眼的先驗知識，粗略定位肯定存在人眼的大致區(qū)域，該區(qū)域可能同時包含眉毛，發(fā)角等干擾，但卻進一步地縮小了計算區(qū)域；接著，將人眼粗略區(qū)域通過一定閾值轉(zhuǎn)換為二值化圖像，再進行垂直方向上的灰度投影，求得直方圖，因為人眼和周圍皮膚的灰度存在較大差異，所以可從直方圖中的波峰波谷判斷出人眼上下邊緣的Y坐標，繼而可對眼睛進行精確定位。

眼睛狀態(tài)判斷

通過最大類間方差法（Otsu）在不同的光線下對人眼精確區(qū)域進行不同閾值的二值化，分別獲取最佳的人眼睜閉狀態(tài)時的眼部形狀。通過對連續(xù)N幀的對比可以判斷，黑色像素值面積最小時可認為駕駛員當前處于閉眼狀態(tài)，其他情況下處于睜眼或者半睜眼狀態(tài)。

疲勞分析

系統(tǒng)選取目前公認有效的PERCOLS疲勞程度評價指標，即通過閉眼幀在連續(xù)N幀內(nèi)所占的時間比例來分析疲勞狀態(tài)，睜眼幀記錄為“1”值，閉眼幀記錄為“0”值，這樣，連續(xù)N幀后便可獲取關(guān)于“1”“0”交錯出現(xiàn)的序列，疲勞狀態(tài)的分析即可用“0”值在該序列中所占的比例來描述，當百分比高于一定的實驗比例后即可認為司機可能出現(xiàn)疲勞。

通過以上五個步驟的操作處理，系統(tǒng)可由采集設(shè)備獲取的視頻流中分析出當前駕駛員是否處于疲勞狀態(tài)及疲勞程度，給出不同程度的提醒警報，從而達到系統(tǒng)目標。

疲勞程度的綜合判定

駕駛員疲勞的判定會因錯誤檢查帶來不良影響，通過 PERCLOS、眼睛閉合時間、眼睛眨眼頻率、嘴巴張開程度、頭部運動的計算，進行疲勞程度的綜合判定，可以準確、有效地進行駕駛員疲勞的檢測。

PERCLOS

PERCLOS是指眼睛閉合時間占某一特定時間的百分率。PERCLOS方法有P70，P80和EM三種判定標準。研究表明P80與疲勞程度間具有最好的相關(guān)性。

嘴巴張開程度

嘴巴的狀態(tài)通常有三種，閉合，說話及打哈欠，在疲勞狀態(tài)下，人會頻繁地打哈會發(fā)現(xiàn)該區(qū)域下半部分的水平灰度投影曲線有一個波谷，即為嘴唇間位置。對人臉下半部分區(qū)域二值化，從嘴唇間向上、下計算連通區(qū)域（連通區(qū)域可以防止鼻孔及胡須對計算帶來影響）的像素值，即可得到嘴巴的張開程度。

眼睛高度及嘴巴高度補償

在上眼瞼到下眼瞼的垂直距離及上嘴唇到下嘴唇的垂直距離時，由于駕駛員頭部相對于檢測設(shè)備有位置移動，因此為了實現(xiàn)駕駛員眼睛高度和嘴巴高度的準確計算，需要修正眼睛、嘴巴與檢測設(shè)備距離相對變化引起的變化。

眼睛閉合時間

眼睛閉合時間，一般用眼睛閉合到睜開所經(jīng)歷的時間來表示。人處于正常清醒狀態(tài)時，眼睛閉合時間是很短的，會迅速睜開眼。而當疲勞時，眼睛閉合時間會明顯變長，因此眼睛閉合時間能直接反映駕駛員的精神狀態(tài)。通過計算從眼睛閉合到睜開的最大幀數(shù)，幀數(shù)越多，閉合時間就越長，則疲勞程度就越嚴重。

眼睛眨眼頻率欠。在人臉下半部分進行水平灰度投影，觀察不同單人圖像的水平灰度投影曲線，

人在疲勞狀態(tài)下，眨眼頻率會比清醒狀態(tài)下頻率高。本文也將其作為一項參數(shù)作為疲勞判斷的依據(jù)。眼睛閉合到睜開為眨眼一次。累加一段時間內(nèi)眨眼次數(shù)，作為疲勞判斷的一項參數(shù)。

頭部運動的疲勞參數(shù)

駕駛員在疲勞狀態(tài)下會出現(xiàn)頻繁點頭，頭部向前傾。通過水平灰度積分投影得到眼睛瞳孔、嘴角的水平位置。假設(shè)d1為瞳孔水平位置到采集圖片的上邊緣距離，d2為嘴角的水平位置到采集圖片的下邊緣距離。在駕駛員疲勞出現(xiàn)點頭情況，則d1增大且d2減小。駕駛員疲勞時，頭部向前傾，則d1增大且d2增大。點頭和頭部向前傾可以作為疲勞判斷的一項重要的依據(jù)。

疲勞駕駛監(jiān)測技術(shù)現(xiàn)狀

美國Attention Technologies公司推出的Driver Fatigue Monitor（DD850）是一款基于駕駛?cè)松矸磻?yīng)特征的駕駛?cè)似诒O(jiān)測預(yù)警產(chǎn)品。該產(chǎn)品通過紅外攝像頭采集駕駛?cè)搜鄄啃畔ⅲ捎肞ERCLOS作為疲勞報警指標，可直接安裝在儀表盤上，報警的敏感度和報警音量均可調(diào)節(jié)，目前已推廣應(yīng)用，但只有晚上才有效。

美國Digital Installations開發(fā)的S.A.M.疲勞報警裝置利用置于方向盤下方的磁性條檢測方向盤轉(zhuǎn)角。如果一段時間內(nèi)駕駛員沒有對方向盤進行任何修正操作，則系統(tǒng)推斷駕駛員進入疲勞狀態(tài)，并觸發(fā)報警。

美國AssistWare Technology公司的SafeTRAC利用前置視頻頭對車道線進行識別，當車輛開始偏離車道時進行報警，該產(chǎn)品也可通過車道保持狀態(tài)結(jié)合駕駛?cè)说姆较虮P操作特性判斷駕駛?cè)说钠跔顟B(tài)。

英國的ASTiD裝置綜合考慮駕駛員的睡眠信息、已完成的駕駛時長和類型，以及駕駛員的方向盤操作等各種因素判斷駕駛?cè)似跔顟B(tài)。裝置運行前需要駕駛員輸入自己過去24小時的睡眠信息。當視覺報警到一定程度時，觸發(fā)聲音報警，建議駕駛員停車并休息。休息一段時間后，內(nèi)置鬧鐘會叫醒駕駛員，并重置駕駛時間。

除了上述這些產(chǎn)品之外，還有通過手腕運動檢測疲勞的疲勞報警手鐲和可掛在眼睛腿上的利用加速度運動信息檢測頭部運動的疲勞檢測眼鏡等其它一些疲勞檢測預(yù)警產(chǎn)品。

對駕駛?cè)似跔顟B(tài)監(jiān)測方法與裝置的研究,對于預(yù)防由疲勞駕駛引起的交通事故有重要意義,其應(yīng)用前景廣闊,可以預(yù)見在未來很長一段時間內(nèi)都將是汽車安全技術(shù)領(lǐng)域的一個熱點方向。但是，駕駛?cè)说钠跔顟B(tài)受多種因素影響，到目前為止還沒有發(fā)現(xiàn)非常有效的指標或模型能夠?qū)ζ诘燃夁M行精確的評價。因此需要進一步深入研究各種指標與駕駛?cè)似诘燃壷g的關(guān)系。另外，現(xiàn)有的駕駛?cè)似跔顟B(tài)監(jiān)測方法大都基于某一單項指標，雖然在限定條件下能夠達到一定的精度，但在實際復(fù)雜多變的行車環(huán)境下，其準確性和可靠性上還存在問題，難以達到預(yù)期要求。針對這一問題，多源信息融合方法將成為一個發(fā)展方向。

責(zé)任編輯：PSY

原文標題：汽車疲勞駕駛識別預(yù)警系統(tǒng)探秘

文章出處：【微信公眾號：傳感器技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。