● 摘要
近年来，我国交通事故发生率不断上升，在导致交通事故的众多因素中，疲劳驾驶已成为最主要的因素之一。因此，如果能研究一套车载的驾驶员疲劳监测及预警系统，对于降低交通事故发生率及死亡率有着十分重要的现实意义。
本文借鉴了美国联邦公路管理局FHWA的有关驾驶疲劳的研究，在各种与驾驶疲劳相关的生理特征中选择PERCLOS（单位时间内眼睛闭合之间所占的百分比）参数作为判断疲劳程度的依据。
以车载视频终端为基础搭建了疲劳检测算法实现的平台，该平台以海思多媒体处理芯片Hi3521为核心处理器，以嵌入式Linux操作系统作为软件开发及运行环境。介绍了硬件选型及软件开发平台搭建，在熟悉了Hi3521的多媒体处理系统的特性之后，设计了用于车载视频终端的数字图像处理算法框架。
为了保证疲劳检测系统对驾驶员的非接触性及非干扰性，采用机器视觉技术实现驾驶员眼部信息采集。在研究了已有的驾驶疲劳检测算法之后，确定了人脸识别、人眼定位、眼睛状态判断、人眼跟踪及PERCLOS提取等基本步骤。采用实时性较好的基于肤色模型的人脸识别方法和基于二值投影的人眼定位。本文对于人眼跟踪技术进行了较为深入的研究，提出了基于边缘颜色双特征空间直方图的Mean Shift人眼跟踪算法，在保证实时性的基础上提高了人眼定位的准确性。在眼睛状态判断阶段，选用眼睛的高宽比来代表眼睛的状态，用10s内次数统计提取最大眼睛开度。当某一帧中眼睛闭合程度达到最大开度的80%时，认为眼睛状态为闭合，统计60s内眼睛闭合的帧数，计算PERCLOS值。
最后，以本文的疲劳检测系统为平台，对改进的人眼跟踪算法进行了实验验证，评估了眼睛开闭状态判断的准确率，结合PVT（精神警觉性测试）进行了驾驶疲劳模拟实验，实验结果显示文本中的疲劳检测算法计算出的PERCLOS与PVT表示的精神疲劳有很大的相关性，验证了驾驶员疲劳检测系统的可行性及准确性。