第2章 疲劳分析和疲劳检测
过80％就计为眼睛闭合，但是在实际中瞳孔的闭合程度不容易测量，可行的简化方法是计算眼睛的闭合百分比c。
c的计算公式如下：
c?1?式中 m1——当前的人眼睁开高度：
m2——人眼睁开最大高度，
m1 (2-1) m2对于人眼睁开时的大小的定义是存在难度的，因为这个数据是因人而异的，经过统计可以得到一个估值，虽然不可能对每一个人都适用，但是仍然是有一定的使用度的。亚洲人人眼睁开时的平均高度为7.5 mm[21]。又由于亚洲人的平均瞳孔直径是2.5~4 mm，按照P80的标准来计算，当瞳孔遮蔽为80%时，就认为人眼闭合，那么计算出来的闭合度为89.3%~93.3%，所以取89%，当闭合百分比大于89%时就认为眼睛处于闭合状态。
然后对一个测量周期进行分析，选择5s为一个测量周期，每秒的监视频率为12帧，也就是一个测量周期会选取60张图片。
统计在一定时间内眼睛闭合时所占的时间比例。P80大于0.4，也就是一个测量周期中有超过20张图片被判定为闭合状态时，则认为驾驶员处于疲劳状态；当P80处在0.1和0.4之间时，判定为精神不饱满状态；当P80处在0.1以下时，判定其为精神饱满状态。
2.2.2 疲劳驾驶嘴的特征分析
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，使反应速度降低。这两种驾驶员状态都很容易导致交通事故通过实时监测驾驶员嘴部的运动状态，可以识别驾驶员的以上两种状态，而这两种状态就可以作为判断驾驶员是否处于疲劳状态的一个依据。
我们知道每一帧图像驾驶员嘴部的状态，即嘴闭合、普通张嘴(说话)和张大嘴(打哈欠)。疲劳驾驶状态和驾驶精神分散状态是一个连续累积的过程，因此不能只根据当前一帧驾驶员嘴部的状态来判断驾驶员的状态，这是
10
第2章 疲劳分析和疲劳检测
因为人不说话时，偶尔也会张开嘴，而且人在说话时嘴也是时张时闭。为了减少驾驶员状态报警的误警率，提高系统撒警的准确性，需要根据驾驶员嘴部状态的连续时问系列数据统训规律统训决定驾驶员的状态。
如果用“0”表示嘴闭合状态，用“1”表示普通张嘴状态，用“2”表示张大嘴状态。那么驾驶员嘴部状态就是由“0”、“1”、“2”组成的一个时间状态系列。本文将根据这时间状态系列来判断驾驶员的状态。
驾驶员在正常驾驶过程中，其嘴基本上处于闭合状态。当驾驶员处于打哈欠状态时，其嘴张开很大。资料表明，人在打哈欠时张大嘴的平均时间至少持续5秒以上。根据这一原则，以5秒作为计算周期，系统监测频率为12帧/秒。如果5秒内统计驾驶员嘴部连续处于张大嘴状态，即60帧中驾驶员嘴部状态在状态时间系中“2”连续且其次数超过60次，则可以判断驾驶员处于打哈欠的疲劳状态，检测系统给予疲劳驾驶警告信号。
嘴部区域的形状可以由上下嘴唇的形状来表示。如图2-3所示，本文选取如下各个嘴部区域特征点：A点为嘴部图像右嘴角点，B为嘴部图像左嘴角点，C点为嘴部图像上嘴唇中心最上点，D点为嘴部图像下嘴唇中心最下点，我们定义如下几个嘴部区域的几何特征值：
CADB
图2-3 人嘴形状
(1)嘴部区域的最大宽度W
嘴部图像右嘴角点A到左嘴角点B的距离，即线段AB的长度。
W?AB (2-2)
(2)嘴部区域的最大高度H
嘴部图像上嘴唇中心最上点C到下嘴唇中心最下点D的距离，即线段CD的长度。
H?CD (2-3)
针对不同的人嘴图像，根据该方法通过大量实验得出表2-1[22]所示数据。
11
第2章 疲劳分析和疲劳检测
由表可知嘴闭合状态下，W与H之比约为4：2，普通张嘴状态下，W与H之比约为4：3，张大嘴状态下，W与H之比约为4：4。实际应用时，可根据这三者之间比值的情况来确定驾驶员嘴唇状态[21]。
表2-1 人嘴图像W和H的对应关系
状态 样本 1 2 3 4 5 … （65.0,29.0) （58.0,28.0) （61.0,29.5) （63.5,31.0) （62.0,30.0) … （60.0,47.0) （65.0,48.0) （62.0,45.5) （57.0,43.0) （59.0,45.0) … （66.0,71.0) （68.0,75.0) （59.0,61.0) （63.0,68.0) （61.0,66.0) … 最闭合 普通张开 张大嘴 2.2.3 原始数据的获取
应用这种方法进行疲劳检测时，只能对固定的距离分析，虽然这个距离是因车和摄像头的安装而异的，但是对于某一辆车而言，车辆驾驶中驾驶员和摄像头的距离是相对固定的，所以原始数据的获取方法，也就是驾驶员的眼睛正常睁开的高度的测量和驾驶员的嘴的各个参数的测量都可以通过定制的方式获得。
驾驶员在第一次使用这个系统时，选取该系统的原始数据采集选项，然后在精神饱满的状态下出现在摄像头之前一段时间，然后系统会记录下该驾驶员的特征，比如该驾驶员的眼睛正常睁开时的高度是多少，该驾驶员的嘴的宽度，嘴在闭合时嘴唇的宽度等信息，并以此为标准对今后该驾驶员进行检测。
特别要注意的是，在启动原始数据采集收集选项时，驾驶员一定要确保当前的精神状态良好，因为原始数据的采集对于精确度地保证是至关重要的，后面的疲劳分析就是依据这个数据进行的，只有保证该数据的准确性才能更好的提高整个系统的精度。
12
第2章 疲劳分析和疲劳检测
但是当驾驶员没有时间进行原始数据的采集或不能保证当前驾驶状态时，启动陌生人驾驶模式。由于人脸上的各器官在放缩中是成比例，则有：
Mm? (2-4) Nn式中 M——人眼的真实张开高度； N——两眼真实距离； m——人眼在图片中张开高度； n——两眼在图片中的距离，
所以有：
M?m?N (2-5) n给定亚洲人平均两眼间的距离为3.233 cm，而m和n均可测，就可以算出M，结合人眼张开高度7.5 mm，可以计算出人眼的闭合程度，但是这种方法由于用到了比例近似和人面部特征估计，所以并不精确，只能用在紧急情况下作为应急策略。
2.3 眼睛和嘴特征的综合分析
眼睛和嘴唇都包含着驾驶员是否疲劳的信息，本系统综合检测两者的状态作出疲劳状态判断，并将二者信息进行综合分析，从而为得出最终结论提供依据。
表2-2 疲劳状志判定规则表
眼睛闭合比例（e) 嘴的状态 所有 张大嘴 普通张嘴 闭合 张大嘴 普通张嘴 闭合 13
嘴张开时间 所有 ＞3s ＞30s 所有 ＞5s ＞60s 所有 检测结果 疲劳报警 疲劳报警 疲劳报警 不报警 疲劳报警 疲劳报警 不报警 e?0.4 0.1?e?0.4 0.1?e?0.4 0.1?e?0.4 e?0.1 e?0.1 e?0.1 第2章 疲劳分析和疲劳检测
表2-2所示的疲劳判定规则是统计大量的实验数据[23]得到的。显然，当驾驶员长时间闭眼而嘴唇闭合时，系统需要判定驾驶员为疲劳状态；或者当驾驶员眼睛保持睁开而嘴巴长时间张开时系统也需要作出疲劳判断。而当眼睛和嘴唇状态处于睁开和闭合的中间状态时，单纯地依靠眼睛或者嘴唇信息去判断驾驶员的状态，就容易出现问题。这就需要综合眼睛闭合度和嘴唇张开信息，建立一个合理的规则共同决定驾驶员状态，而表2-2正好解决了这个问题，通过疲劳特征的综合分析，检测准确度显著提高。
2.4 本章小结
本章主要是进行疲劳特征的分析，在本章中介绍了人脸的两个可以用于疲劳分析的器官，即眼睛和嘴巴，并分别对其与疲劳驾驶有关系的疲劳特征进行了分析，还讨论了原始数据在现实中的获取方法，以方便准确地得驾驶员的人脸器官特征，在最后还进行了疲劳的综合分析。
14