4.2.4 指数变换 .................................................................................... 27 4.2.5 光照预处理方法选择 ................................................................ 27 4.3 图片选取策略 .................................................................................... 28 4.4 图像手工描点的实现 ........................................................................ 28 4.4.1 要确定的要素分析 .................................................................... 28 4.4.2 要素值的确定方法 .................................................................... 29 4.5 选点策略 ............................................................................................ 33 4.6 程序流程图 ........................................................................................ 33 4.7 收敛过程和识别结果 ........................................................................ 34 4.8 本章小结 ............................................................................................ 35 结论 .................................................................................................................... 36 参考文献 ............................................................................................................ 37
IV
第1章 绪论
第1章 绪论
1.1 课题背景和意义
驾驶疲劳是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打瞌睡、驾驶操作失误或完全丧失驾驶能力。驾驶疲劳反映在生理与心理两个方面，生理反映包括神经系统的功能、血液和眼睛的变化；心理反映包括反应时延长、注意力分散、动作不协调。美国印第安那大学对交通事故原因的调查研究发现85％的事故与驾驶员有关，车辆和环境因素只占15％[1]。驾驶员在事故发生前一瞬间的行为和故障直接导致了事故的发生，这些行为包括知觉的延迟、对环境的决策错误、对危险情况的处理不当等。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，产生这些错误的根本原因就是驾驶疲劳。由于司机疲劳驾驶导致警惕性水平的下降，从而造成交通事故的增长，这已成为了社会普遍关注的一个热点。如果司机疲劳驾驶，那么他的观察、识别和车辆控制能力都会显著下降，严重威胁自身的安全和其他人的生命。随着交通运输业的发展，交通事故已成为当前各国所面临的严重问题。据世界卫生组织统计，全世界每年有120多万人死于交通事故，数百万人受伤或致残。全球每年交通事故造成的经济损失高达5180亿美元，其中发展中国家占1000亿美元[2]。
近年来，我国恶性道路交通事故呈上升趋势。我国交通事故死亡人数己连续10多年居世界第一。我国因车祸丧生的人数，十几年间己从每年5万多人增长到10多万人，是交通事故死亡人数居世界第二位国家的两倍。其中，驾驶员疲劳造成交通事故的占总数的20％左右，大约占特大交通事故的40％[3]以上。所以进行疲劳检测技术的研究是十分必要的，且有其深远的意义。
同样，在国外情况也差不多。美国国家公路交通安全管理局也就是所谓的NHTSA(NmionMHighway Traffic Safety Administration，NHTSA) [4]最近几年的调查显示：每年平均有56000起车祸与疲劳驾驶相关[5]，造成76000人
1
第1章 绪论
受伤，1544人死亡(占交通事故死亡总人数的3.7％)，调查还显示有27％ 的受访者表示有过开车打磕睡的经历。2004年美国国家交通安全委员会NTSB(The National Transportation Safety Board，NTSB)检查了107起由驾驶员造成的卡车交通事故，表明有58%的交通事故与驾驶员疲劳驾驶有关。美国汽车联合会 (American Automobile Association)的交通安全部初步估计41%~59%的重型卡车交通事故与疲劳驾驶有关。英国交通研究实验室认为驾驶疲劳导致的路面交通事故大约占全部交驾驶员通事故率的10%。法国国家警察总署事故报告表明，因疲劳瞌睡而发生的车祸，占人身伤害事故的14.9％，占死亡事故的20.6％。德国保险公司协会估计，在德国境内的高速公路上，大约25％导致人员伤亡的交通事故都是由疲劳驾驶引发。澳大利亚联邦议会统计：在2000年，司机疲劳驾驶造成的交通事故占所有交通事故的20%到30%；专家认为这只是保守统计，实际所占的比例可能更大。日本的事故统计揭示，因疲劳产生的事故约占1.0%~1.5%[6]。 近期关于疲劳特征，疲劳后的主要现有[7]：
反应时间显著增长，注意力分散，判断能力下降，主动性降低，注意力分配不均衡且转移速度降低，经常丢失重要的信息；感觉器官的功能减退或紊乱，如视觉模糊、听力下降、判断迟缓；驾驶动作不灵活，操作能力下降，节律失调；记忆和思考能力下降，判断失误增多；驾驶员的信心、决心、耐性和自我控制能力减退，缺乏坚持不懈的精神，易于激动、急躁和开快车； 过度疲劳会使驾驶员在行车途中产生困倦，甚至打瞌睡。
驾驶疲劳导致事故的形成过程通常是：大脑供氧不足叶中枢神经疲劳感觉下降、知觉迟钝肌肉收缩的调节机能恶化感觉刺激中断认识迟缓、判断失误、操作失误、打瞌睡等交通事故。可见，疲劳驾驶会引起大量的交通事故。如果建立一套疲劳检测系统能够切实有效的工作，必定可以大大减少由疲劳驾驶所引起的交通事故，不但能减少人员伤亡，而且能避免因此产生的经济损失。
疲劳是有其可以识别的特征的。由于司机驾驶疲劳会产生神经系统 功能、循环机能、血液、眼睛、呼吸机能、体温等生理变化，这些变化通过驾驶员的自觉症状和他觉症状反映出来。所以可以通过衡量方向盘的微调，
2
第1章 绪论
脑波，心率，头手的位移，眼睑的闭合程度或眨动速率等一些有特异性和可量化的指标，通过大量实验确定驾驶疲劳的评价标准，以量化的阈值加以表示，来判断驾驶员是否已经疲劳。
可见，疲劳驾驶会引起大量的交通事故。如果建立一套疲劳检测系统能够切实有效的工作，必定可以大大减少由疲劳驾驶所引起的交通事故，不但能减少人员伤亡，而且能避免因此产生的经济损失。正因如此，研究出一套疲劳检测的系统是极有现实意义的。
1.2 研究现状
由于疲劳驾驶导致的车祸数量的剧增，渐渐引起国内外学者的关注，各种针对疲劳驾驶检测科研都在积极进行种。
利用心跳特征制成的心跳速度检测仪。2002年，日本先锋公司开发出防止驾驶员开车打瞌睡的系统。该系统的核心技术之一是贴在转向盘上的纸状心跳感应器。一般说来，人在打瞌睡之前，心跳速度下降，感应器每隔15 s检测一次驾驶员的心跳速度，一旦确认驾驶员有睡意袭来，就通过改变音乐节奏等方式给以警示[8]。
头部位置检测仪。该预警系统由澳大利亚人于2003年设计和开发，主要是通过监视驾驶员在行驶过程中头部的位移情况来判断其是否在打瞌睡[9]。
转向盘监测系统1999年，美国Electronic Safety Products公司开发的转向盘监测系统S.A.M(steering atention monitor)是一种检测转向盘运动的传感器装置，适用于各种车辆[10]。当驾驶员疲劳时，反应能力变慢，操作转向盘的动作也会减缓；当系统检测到转向盘正常运动时传感器装置不报警，若转向盘持续4 s不运动，系统报警。
Driving Research Center研发的了PERCLOS系，该系统检测单位时间内眼睛闭合程度超过80％以上的时间占总时间的百分比，并与预先设定的阈值进行比较，从而提醒驾驶员注意行车安全[11]。
车道偏离报警系统DAS2000。当驾驶员驾驶疲劳时，往往出现精神萎靡、注意力分散、反应迟钝等现象，且最容易无意识地驶出中线或者偏离车道。2004年，美国Ellison Research Labs实验室研制的DAS2000型路面警告系统，
3
第1章 绪论
通过车的轨迹对疲劳驾驶进行监测[12]。
这些测量方法都在一定程度上实现了对疲劳特征的跟踪和监测，但是这些检测方要么实时性不高，要么精度不高，经常出现误报警现象。其实当人疲劳时，面部的疲劳特征是十分明显的，若是能对面部特征进行监测，则可以很好地对疲劳进行监控。
近些年计算机技术的发展给人脸识别提供了可能。人脸识别研究引起了学术界越来越多的关注。主要的研究方向有以下几点[13]：
(1)肤色区域分割与人脸验证方法。通常情况下，我们对于彩色图像的图像处理，首先是在确定肤色模型之后，对肤色进行肤色像素检测；然后在检测出肤色像素后，按照肤色像素在空间上的相关性和色度上的相似性上，分割出可能存在的人脸区域，然后根据被测区域的灰度、几何特征等参数，对是否是人脸进行判断，以区分具有类似肤色的其他物体。
(2)基于人工神经网的方法。人工神经网方法主要是通过神经网的结构和参数来表示模型的统计特征，由于人脸的外部轮廓较为复杂，无法用数学模型进行描述，所以基于人工神经网的方法在人脸特征识别中具有独特的优势。
(3)基于启发式模型的方法。基于启发式模型的方法主要是通过抽取灰度、纹理、几何形状等特征进行检测，以判断其是否符合人脸特征。由于 人脸区域内的各个器官具有较为恒定的模式，因此对双眼、鼻子、嘴等局部特征进行检测，然后根据人体五官的相对位置关系判断被测物体是否为人脸。对于较强约束条件下的人脸检测，利用人脸的轮廓、对称性等少量特征的方法比较适用。
人脸因人而异，绝无相同。虽然在表情、年龄或发型等发生一些变化的情况下，人类仍可以毫不困难地确定出一个人的身份，但要建立一个能够完全自动进行人脸识别的系统却是非常困难的。它涉及到模式识别、图像处理、计算机视觉、生理学、心理学以及认知科学等方面的诸多知识，并与基于其他生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系。20世纪90年代以来，随着安全领域各种应用需求的增加，人脸识别技术成为一个热门的研究课题。虽然已经取得了一些可喜的成果，但在实际应用中仍面
4