基于MATLAB的疲劳检测

基于MATLAB的疲劳检测系统

人脸检测与定位技术

对于人眼疲劳检测的研究,首先要检测到人脸,在此基础上提取眼睛的状态参数作为特征信息来实现。因此疲劳驾驶检测基础是人脸以及人眼的检测定位,人脸检测旳方法有很多,使用特定的硬件设备,采用红外照明,可以直接检测出睛孔的准确位置,从而定位出眼睛,进行后续的测量；其次可以先通过检测出人脸,减小图像中的搜索范围,再对检测的人脸区域进行搜索,找出眼睛的位置。前一种利用硬件定位虹膜的方法,一旦眼睛识别失误,系统将不能运行,而后一种方法,只要准确的检测出人脸,就可以定位人眼的位置。本文采用先检测出人脸的位置,然后在人脸区域进行眼睛定位的方案。

四、人眼定位技术

在第 1 章中讲到，采用 PERCLOSE 原理的疲劳驾驶检测方法，关键是能够准确判断出驾驶员眼部的睁闭状态，但是在这之前还要能够在图像中准确定位出驾驶员的眼睛区域的位置，所以在驾驶员疲劳识别中，人眼的定位和状态识别是基于 PERCLOSE 的疲劳检测方法的关键步骤。

在整个驾驶员疲劳检测系统中为了能够准确的检测到眼睛区域，可以采用先确定人脸区域，然后在人脸区域内进一步检测、定位人眼的方法，这样可以使得眼睛的检测与定位相对准确一些。因为同一个人的人脸和眼睛相比较，人脸拥有更多的信息量，检测人脸相对于定位眼睛会更容易更准确。识别出人脸区域有利于缩小眼睛定位的范围，避免被背景图像所干扰。不仅如此，研究人脸定位的意义还在于，人脸定位的技术也可以同时给眼睛定位提供参考。图 4.1 是利用人脸识别的驾驶员疲劳检测流程图。

视频采集-人脸定位-人眼定位-人眼状态识别-PERCLOS计算-疲劳判断

图 4.1 运用人脸识别的驾驶疲劳检测系统图

本系统首先从视频帧中提取出人脸，再在人脸区域上搜索人眼，进行眼睛区域的定位。由于人脸检测和人眼检测的实现原理基本一致，因此本章接下来将主要以人眼检测为例进行阐述。

图 3.5 人眼定位检测结果图

五、 人眼状态识别

疲劳是一种生理状态,尤其是驾驶员在驾驶过程中产生的一种综合性的生理心理过程,疲劳状态下驾驶员在生理和心理方面的表现是联系相互影响的。通过前人的大量研究驾驶员在疲劳时生理表现主要体现在头部和眼睛的变化,如视线偏离前方、头部缓慢的低下、眼睛闭合时间较长以及泛眼频率高等特点,综合很多因素眼睛的状态是表征疲劳最重要的特征,人眼主要由上下眼险、眼球、瞳孔以及左右内外眼角构成,而眼睛的挣闭状态主要体现在眼睑位置的变化和尤其所覆盖的瞳孔面积的大小上。常用的检测方法主要有 Hough 查找圆法、灰度投影法、模板匹配法。本文采用基于椭圆拟合的人眼状态分析。

方法：基于椭圆拟合的人眼状态分析

眼睛状态主要指眼睛的睁开程度，眼睛的睁开程度又与人眼的轮廓相关。常用的椭圆拟合的方法主要有 2 种，一种是基于 Hough 变换的椭圆拟合方法，一种是使用最小二乘法进行椭圆拟合。基于最小二乘法适用于各种复杂的对象模型，能达到很高的拟合度。本文就采用基于最小二乘法来拟合人眼的轮廓，然后根据拟合椭圆的长短轴比例来判断人眼的状态。

最小二乘法拟合椭圆，就是通过计算边缘点到理想拟合椭圆距离的平方和的最小值来确定理想椭圆拟合的参数集合。通过对人眼轮廓进行椭圆拟合后，就可以根据拟合的椭圆参数来表示人眼轮廓的形状信息。转换公式如下：

(5.1)

(5.2)

(5.3)

(5.4)

(5.5)

其中

为椭圆的中心坐标点，a是椭圆的长轴，b为椭圆的短轴，

是长轴相对于水平坐标的偏转角。

因此，对人眼轮廓进行椭圆拟合后，就可以很直观的想到利用椭圆的长短轴的比来确定人眼的状态，即通过

来判断人眼的睁闭状态。通过实验分析发现，当

时，可以认为眼睛处于睁开状态，否则眼睛处于疲劳状态的半闭合状态或完全闭合状态。

表 5.1 是对三组测试视频集的人眼状态分析的结果，测试视频光照较好，图像清醒，测试集 1 是清醒状态，其它有部分疲劳状态。图 5.1 是驾驶员眼睛轮廓椭圆拟合部分结果图。

表 5.1 人眼状态识别结果

(a) 睁眼状态（正常） (b) 半睁眼状态（疲劳） (c) 闭合状态（疲劳）

表 5.1 的实验结果说明，基于椭圆拟合的人眼状态识别方法有较好的识别效果，但受限于眼部图片的分辨率及清晰度，而且眼睛的睁闭状态，尤其是半睁开半闭合状态的判断带有很强的主观性，因此识别率不是非常好，本文的实验结果不作为一般性结论。以后可以考虑融合其它特征识别人眼状态。