基于面部特征的疲劳驾驶检测系统的设计
科技风2019年1月科技创新
D O I：10.19392/jki.1671-7341.201901001
基于面部特征的疲劳驾驶检测系统的设计
撒灵于顺权梁文豪
西北民族大学甘肃兰州730100
摘要：因为疲劳驾驶而导致事故发生的事件层出不穷，一款好的疲劳检测系统能够有效的避免事故的发生，以特征点检测 以及面部特征（长时间闭眼、打哈欠）为核心设计疲劳检测系统，能够在一定程度上减少事故的发生。
关键词：脸部特征；人脸检测；疲劳检测;EAR;MAR
高速驾车时，驾驶人精神紧张，长时间紧张就容易产生疲
劳感，疲劳后继续驾驶车辆，会感到疲倦瞌睡、四肢无力、注意
力不集中、判断力下降等，此时危险系数会急剧增大，导致意外
的发生。疲劳检测系统通过计算判断长时间闭眼、打哈欠等脸
部特征来判断疲劳的程度，从而提醒驾驶人进行休息、停车等。
一、系统整体设计
(一）特征点确定
通过摄像头捕捉到一帧图像后，进行肤检测得到肤部
分，对肤部分进行最大连通区算以及膨胀，腐蚀等形态学算
法消除较小肤区域，最后通过人脸的几何特征确定出人脸的
准备位置，完成人脸检测。根据得到人脸的具体位置信息，从
原图中选取出人脸部分，对人脸进行特征点检测，选取其中的
68个特征点进行使用，计算结果如下图：
其中P37-P43为眼部特征点，P49-P69为嘴部特征点。
(二)EAR、MAR计算
EAR、MAAR艮P眼部纵横比（Eye Aspect Ratio,EAR)、嘴部
纵横比（Mouth Aspect Ratio,MAR)〇
疲劳驾驶预警系统其中：
左眼：EAi?l HP38-P42||+ l l^39-P41I I 2x W P^-P^W
右眼：EA12r I I P44-P48I I+ I I^45-P47I I
2x U'-P J I
嘴部：MAR H-P61-Pei I I+ K62-P66I I+ 1I-P63-P65I I
3 x||||
可以利用欧式距离分别计算出E A R和MAR。
(三）疲劳情况判断
就E A R而言，通过计算得出E A R r和EAR1后，将E A R r和EAR1分别与预先设定好的阈值进行比较，判断左右眼是否闭 眼，当双眼同时满足闭眼条件时，开启定时器，结束条件为下一 次某只眼睛睁眼或同时睁眼，测得闭眼时长，与预先设定好的 时间阈值进行比较后判断是否存在长时间闭眼。同理可以得 到打哈欠状态。
测得用户当前状态之后，根据下表进行疲劳程度判断:
每分钟长时间闭眼次数t t<22^t<5t5s5疲劳程度无疲劳轻度疲劳重度疲劳哈欠疲劳图类似，根据具体场景存在不同的变化。
二、阈值确定
整个系统中，需要两组阈值的确定，分别是用来确定长时 间闭眼的一组阈值以及判断打哈欠的阈值。两组阈值的确定 具有统一性，所以就拿其中确定打哈欠的阈值来说。
首先来确定张嘴的阈值(TH_0_MAR)。虽然嘴部的大小，形状具有不确定行，但是经过M A R计算得到比例之后就具有 确定性，可以很好的反应张嘴和闭嘴的情况。对嘴部进行实时 监测，计算嘴部的M AR计算结果，绘制检测图，如图：
选取波动区域上方区域即可设定为阈值，选取〇.15较为 合适。
打哈欠还需要确定时间阈值，时间阈值的确定类似t h_〇_ M A R的确定，经过多次测试，得到阈值大致为:1.2s。
其他阈值的确定类似。
三、总结
根据面部特征进行疲劳检测具有一定的可实施性，整个系 统依赖于人脸检测算法的设计以及阈值的确定，然而阈值过多 必将导致其鲁棒性较差，通过选择合适的参数更能提高整个系 统的性能。
项目说明：本项目由西北民族大学本科生科研项目资助(项目编号:Y18019)
作者简介：撒灵（1997-)，男，回族，宁夏吴忠人，现就读于 西北民族大学数学与计算机科学学院，物联网工程专业；于顺 权（1996-)，男，壮族，贵州黔西南人，现就读于西北民族大学数 学与计算机科学学院，物联网工程专业；梁文豪（2000-)，男，汉 族，海南东方人，现就读于西北民族大学数学与计算机科学学 院，
物联网工程专业。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。