第1章 绪论
临着许多严峻的问题。人脸的表情、姿态、发型以及化妆等多种影响因素都给识别带来了困难。要让计算机像人一样准确地识别出不同的人脸，尚需不同研究领域的研究人员共同不懈的努力。人脸识别(Face Recognition)一般可描述为[14]：对给定的静止图像或动态视频，利用己有的人脸数据库来确认图像中的一个或多个人。从广义上讲，其研究内容包括以下五个方面：
(1)人脸检测(Face Detection) 即从各种不同的场景中检测出人脸的存 在并确定其位置。这一任务主要受光照、噪声、头部倾斜度以及各种遮挡的影响。
(2)人脸描述(Face Representation) 即采用某种方式表示检测出的人脸和数据库中的人脸。通常的表示方法包括几何特征(如欧氏距离、曲率、角度等)、代数特征(如矩阵特征矢量)、固定特征模板、特征脸、云纹图等。
(3)人脸鉴别(Face Identification) 即透常所说的人脸识别，就是将待识别的人脸与数据库中的己知入脸比较，得出相关信息。这一过程的核心是选择适当的人脸表示方式与匹配策略。
(4)表情分析(Facial Expression Analysis) 即对待识别人脸的表情进行分析，并对其加以分类。
(5)物理分类(Physical Classification) 即对待识别人脸的物理特征进行分类，得出其年龄、性别、种族等相关信息。
一般的人脸识别系统构成，包括人脸检测、人脸预处理、特征提取、人脸特征库、相似性匹配、结果输出等部分。目前，国外大学和研究机构已研制出一些较好的人脸识别系统。一些较成熟的商业人脸识别系统，如德国的Cognitee，美国的Eyematie，Indentix等也已投入应用。对一些安全性要求很高的应用，可采用多生物特征融合的识别技术
[15]
，如DCSAG公司的BioID系
统，通过数字摄像头和麦克风，采集一个人的面貌、声音以及嘴唇运动等三种生物特征，通过生物特征融合技术，在一秒钟内快速完成身份识别。另外，由美国首先发起[16]的FERET(Face Recongnition Technology)和FRVT(Face Recognition Vendor Test)人脸识别测试活动也大大推动了人脸识别技术的研究和应用。
我国在国家自然科学基金和863计划等资助下，清华大学、哈工大、中
5
第1章 绪论
科院、南京理工大学，上海交大等很多单位展开了人脸识别技术的研究[17]。北京工业大学(信号与信息处理研究室)也在人脸检测方面取得了较好的研究成果和澳大利亚的新南威尔士大学联合提出的人脸检测技术已经被国际MPEG-7接受作为标准。为了推动人脸识别研究的发展，国内已举行过四届生物识别学术会议，中国科学院自动化研究所也发起成立了中国生物认证产业联盟。据国际生物识别产业协会估计，我国生物识别技术的软件和硬件市场，有望在10年内达到每年20亿美元的规模。但是，目前国内的研究水平仍低于国际水平，许多核心技术被国外大公司掌握。因此，研究开发具有自主知识产权的人脸识别技术是一个新的挑战。
研究最多的是关于人脸正面模式的研究[18]，主要可以分为三个发展阶段：第一阶段是对人脸识别所需要的面部特征进行研究。这个阶段主要是将一个简单命令语句与数据库中某一张脸联系在一起，并采用与指纹分析技术相结合的方法，由被测实验来看取得了较好的识别效果。但是为了提高脸部识别率，操作人员的操作贯穿于整个识别过程，而并未采用自动识别系统进行操作。第二阶段是人机交互式识别阶段。科研人员在这一阶段对人脸正面图像主要采用几何特征参数来表示，并且将人脸面部特征采用特征矢量来表示，而且针对这种特征表示方法，设计了相应的识别系统。不过这个阶段仍然需要利用操作员的某些经验知识，还是需要工作人员的参与。第三阶段是自动识别阶段，近几年的人脸模式识别方法，随着计算机计算速度的加快，有了较大的突破，几种全自动机器识别系统已经被应用。
根据人脸表征方式的不同，可以分三种人脸自动识别方法，即基于连接机制的识别方法、基于几何特征的识别方法和基于代数特征的识别方法。早在80年代，我国就已经着手于人脸自动识别的研究。我国许多研究机构、大专院校已经在图像处理和模态分析等方面都取得了较多的研究成果，对包括人脸识别在内的人体生物特征识别技术的基础研究和应用开发工作进行了大量的研究。
1.3 本文主要研究内容
本文的主要研究内容是基于人脸识别的疲劳驾车检测，首先要分析人脸
6
第1章 绪论
上各器官与疲劳驾驶有关的特征，然后设计一种有效的疲劳分析方法，最后应用ASM模型设计对人脸进行识别的方法。
7
第2章 疲劳分析和疲劳检测
第2章 疲劳分析和疲劳检测
2.1 疲劳驾驶特征综述
所谓驾驶疲劳是指驾驶员在作业或行车中，由于驾驶车辆的动作反复连续且重复的次数太多，使其生理上和心理上发生某种变化，在客观上出现驾驶机能低落的现象[19]。一般认为驾驶疲劳是同时涉及脑力和体力的技术性疲劳。由于驾驶员动作反复、连续，且重复的次数太多，使其生理上、心理上发生某种变化，在客观上出现驾驶机能低落的现象。疲劳的表现可分为身体症状、精神症状和神经症状。身体症状表现在身体有倦怠、沉重、硬板的感觉，下车后弯腰感到困难，以及周身疼痛、手脚和小腿发胀等；精神症状表现为思考不周全、记忆力减退、精神涣散、焦虑、急躁等；神经症状主要表现在动作失调、脸部的其它肌肉颤动、手脚发抖、精神不振等。
驾驶员在驾驶过程中，频繁发生信息接收与处理的过程中产生了驾驶疲劳,使驾驶员工作能力下降、生理和心理发生变化、出现疲劳感。目前在机器视觉领域，驾驶员的疲劳状态可通过面部视觉图像进行判断，在疲劳时驾驶员眼睛部位的形状将会发生明显的变化。这些特征是明显的，也是可以被检测到的，驾驶员精力充沛时，眼睛睁开；进入轻度疲劳时，眼睛睁开变小；特别疲劳以至于睡眠时，眼睛经常会出现完全合上的状况。通过图像处理与模式识别算法识别和判断上述驾驶员的行为和状态，并对驾驶员疲劳违章驾驶行为和状态发出报警信号，从而提醒驾驶员注意驾驶安全。驾驶员频繁地处于打哈欠状态时，很可能处于疲劳驾驶状态。驾驶员长时间地处于说话张嘴状态，很可能与他人说话或者打手机通话，这都会导致驾驶精神分散。这两种驾驶员状态很容易导致交通事故。仅仅依靠眼睛部位的信息，容易产生误报警。因为不同的人眼的全睁开的面积是不一样的，例如，对于眼睛比较小的或者眼睛处于半睁半闭状态时，单纯用眼睛信息就会比较困难，进而会产生误报警或漏报警。但在加入嘴部信息后，综合利用嘴部和眼睛信息来计算疲劳程度可以更加准确地获取疲劳信息。
所以在本文中将会从眼睛和嘴部这两个人脸中比较容易检测到器官进
8
第2章 疲劳分析和疲劳检测
行疲劳特征的分析，疲劳判定研究，但是在最后还会进行两种疲劳检测方法的综合。
2.2 具体特征分析
2.2.1 疲劳驾驶眼部特征分析
为眼睛闭合与事故发生的是时间关系，由此可见，眼睛闭合时间在事故前比事故后要长，眼睛闭合时间的长短与疲劳程度有密切的关系，驾驶员眼睛闭合的时间越长，疲劳程度越严重。因此通过测量眼睛闭合时间的长短就能够确定疲劳驾驶的程度。
眼睛闭合持续时间/S15141312-60-50-40-30-20-10事故前后时间/S0102030
图2-1 眼睛闭合时间与事故发生前后的时间关系
测量在一定的时间内眼睛闭合时间所占的比例。根据眼睛闭合时间的长短与疲劳程度之间有着密切关系，驾驶员眼睛闭合的时间越长，疲劳程度越严重的现象。现在给出下列定义[23]：
P70: 指眼睑遮住瞳孔的面积超过70％就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。
P80: 指眼睑遮住瞳孔的面积超过80％就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。
EM: 指眼睑遮住瞳孔的面积超过一半就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例。
美国国家公路交通安全局对该方法作了实验，实验结果表明该方法中的P80与疲劳发展程度的相关性较好，其他研究人员也得出了类似的结论。P80的测量方法：用摄像机获取驾驶员的脸部图像，通过图像处理得眼睛图像，经过眼睛状态识别确定眼睛是睁开还是闭合的；定义眼睑遮住瞳孔的面积超
9