打开文本图片集

摘要：研究出一种疲劳驾驶的检测标准和控制手段，有效的防止和监督驾驶员疲劳驾驶的情况，并及时给予提醒，警告和强行制止，这对于降低交通事故及人员伤亡率、建立安全和谐的社会存在重要意义。本项目主要是以国内外的资料和文献为依托，在实际调研的基础上加强对数据的分析整理，通过自行开发的疲劳驾驶检测设备和软件，对疲劳驾驶的分级标准以及管控措施进行研究。

关键词：疲劳驾驶检测;疲劳等级划分;分级控制手段

一、研究概述

1.1主要研究内容

疲劳驾驶会分散驾驶员的注意力，使其反应判断能力迟缓，操作不当或出现短时睡眠现象，对道路交通安全存在着重大威胁。司机驾驶车辆连续行驶超过4小时而不停车或休息时间少于20分钟会造成疲劳驾驶，而且长时间行驶会使机动车出现发动机温度过高、轮胎磨损等问题，增加发生车祸的机率。因此，深入探究疲劳驾驶标准参数并进行分级控制，实时监测驾驶员疲劳程度，给出合理提醒或限制，对于降低疲劳驾驶带来的危害具有重大意义。

1.2 技术发展趋势

随着人们对疲劳驾驶的关注度提高，疲劳驾驶检测技术已取得较大的进步，目前有不少汽车公司都开始为汽车装配疲劳驾驶预警系统，但大多数采用分析方向盘操作和监测汽车轨迹来实现。例如大众和奔驰利用方向盘参数分析驾驶员的状态，但是这直接监测对象不是驾驶员本身，对车辆类型、驾驶员经验、对道路熟悉程度等都有要求，检准率无法保证。除此之外，也有分析驾驶员脑电信号数据对驾驶员生理特征进行检测，或根据驾驶员人眼特征分析行为特征。

1.3 技术难点

目前大多数疲劳驾驶检准率不高，在驾驶室内安放大型仪器也不适用。同时我们发现，既便有如此多的研究成果还是对疲劳驾驶没有一个准确的分级，也没有管控和相应的管理措施，我们依然无法控制驾驶员的危险驾驶行为，也无法及时有效的对驾驶员进行通、调整和制止，导致交通事故依然频发，还有一些不是特别好的GPS定位系统和监控导致驾驶员产生不满的情绪。

二、疲劳驾驶检测目标参数

2.1人脸检测

微型摄像头获得人脸信息后，软件系统采用dlib模型库检测到的人脸68个关键点，通过人脸不同状态下68个关键点相对位置的变化反向检测人脸状态，可以匹配出人脸上68个特征点，如眼睛、鼻、嘴等，如图2-1所示。

2.2眼部状态

2.2.1瞳孔覆盖面积

本文使用的PERCLOS方法是判断疲劳驾驶的重要指标，通过计算一段时间内眼睛闭合时间所占比例判断疲劳状态，其中的P80是指眼睑遮住瞳孔面积的80%以上判别为眼睛闭合，以此作为时间统计指标。计算公式如下：

其中，t1是眼睛最大睁开到闭合20%的时间，t2是眼睛最大睁开到闭合80%的时间，t3是眼睛最大睁开到下一次睁开20%的时间，t4是眼睛最大睁开到下一次睁开80%的时间。

当81%

2.2.2眼部纵横比

根据图中左右眼睛上的特征点的坐标可以计算出双眼的纵横比，以此计算出眨眼次数和眨眼频率，便于进一步划分疲劳等级，左右眼同理。

当0.24

2.3打哈欠检测

人在疲劳状态时，嘴部呼吸频率会发生变化，并且会伴随打哈欠的现象，在一段时间内打哈欠发生的次数和时间会反映一个人的疲劳状态，可以将其看作嘴部疲劳特征，将获取到的嘴部区域图像进行二值化，计算嘴部疲劳状况。

2.3.1打哈欠频率检测

采用宽高比来描述嘴巴的张开程度，计算公式如下：

H表示嘴巴上沿与嘴部下侧的边界高度差值，W表示嘴部左右两侧距离差值，S表示嘴部的宽高比。设置MCT（Mouth Closure Threshold）为嘴部闭合阈值，当S小于MCT，则判断嘴部处于闭合状态，当S大于MCT时，则判断嘴部处于张开状态。经过实验验证，嘴部宽高比在0.15-0.65的时候出于微张状态，超过0.65为彻底张开状态，小于0.15为闭合状态。

由于在图像采集过程中，驾驶员会存在身体倾斜或者移动的情况，单纯使用嘴部的宽高比来判断嘴部状态不够准确，所以引入圆形来判断嘴部状态。当嘴部二值化区域的圆形度小于0.45时嘴部为闭合或者微张，当圆形度在0.45-0.75时处于正常张嘴状态，当圆形度大于0.75时处于打哈欠状态。

2.3.2打哈欠总时长

打哈欠总时长表示为所有检测为打哈欠现象的图像帧数总和，即记录所有的宽高比大于阈值和圆形度大于阈值的总时长。

用连续时间内打哈欠次数与总时长的比值计算打哈欠频率Y。

其中T为时间长度，设置T为50s，采用10帧/s。

当Y<2%时，表示驾驶员处于清醒状态;当2%20%时，表示驾驶员处于睡眠状态。

2.4头部特征

利用摄像头采集驾驶员的人脸图像，并实时提取人脸68特征点，实时检测头部位置及特征点坐标，以此来判断驾驶员是否进行了点头动作。当驾驶员处于疲劳状态，头部突然向前倾倒，驾驶员意识到此动作会立刻回正自己的姿势;如果疲劳程度不断增加，驾驶员接近睡眠状态，当再次出现头部前倾现象时，此时已不能立刻反应过来，将保持长时间低头状态，严重威胁驾驶安全。当头部上仰下低旋转角度大于45°时，认为一次点头动作，点头率fnod公式如下：

Nnod是指时间T内发生点头动作的次数，fnod为点头率。

当fnod<0.125时，表示驾驶员处于清醒状态;当0.1250.3时，表示驾驶员处于睡眠状态。

三、结果分析与分级控制手段

本文提出了一种基于面部识别的驾驶员疲劳、危险驾驶检测系统，采用了面部68特征点、PERCLOS法、EAR眼部纵横比等方法，实现了对面部识别、眼部疲劳特征、嘴部疲劳特征的检测。本检测为团队所开发的基于分级控制的疲劳驾驶标准参数软件提供了良好可靠是实验数据，便于后期可以在车里面使用本系统对驾驶员进行疲劳检测，并计算出驾驶员的疲劳等级，根据不同等级对驾驶员实行不同的提醒措施。

3.1驾驶员疲劳等级划分及分级控制措施

结合国内外已有的检测仪器以及对于疲劳驾驶概念的理解，通过数据积累，对疲劳驾驶进行标准化的界定分级，通过分析我们把疲劳驾驶分为三个层次，分别是轻度疲劳、中度疲劳、重度疲劳，基于这三种情况对司机进行不同程度的管理，更好的保证人身财产安全。具体来说从脑电波、面部识别、眼部识别、面部表情、肌体以及精神等方面进行研究从而得出结论。

①清醒且完全不疲劳状态：驾驶员休息充足，并且驾驶时间合理，不会产生疲劳的情况。

②轻度疲劳：驾驶员由于客观或主观因素，造成身心的疲惫，产生稍微的疲劳状态。

③中度疲劳：由于休息不好，天气情况或自身因素造成身体负担重，已经开始打瞌睡，注意力分散。

④重度疲劳：驾驶员已经昏昏欲睡，极度需要休息，但却不会得到有效的休息。

⑤睡眠：驾驶员无法控制自己的行为，已经进入睡眠状态，此时极度危险，必须及时制止。

我们通过大量的文献的研究整理之后，进行了详细的分析并得出了分类标准如下。

系统启动后，在驾驶过程中若满足瞳孔覆盖、眼部纵横比、点头率、打哈欠总时长其中三项及以上，则触发某一等级的疲劳程度，并做出一下相应控制措施：

1.清醒：进行温馨语音鼓励和防疲劳提醒。

2.轻度疲劳：进行多次语音提醒已进入轻度疲劳状态，在驾驶员使用设置下，可以自动播放动感音乐进行缓解疲劳。

3.中度疲劳：滴滴滴声警报提示，语音提醒驾驶员已进入中度疲劳状态，直致驾驶员反应过来进行手动关闭警报。

4.重度疲劳：系统自动播放音量渐强的紧急警报以唤醒驾驶员重度睡眠或睡眠状态，若警报持续10秒未被手动停止，系统将自动拨打电话给紧急联系人。

四、总结与展望

近年来，大量资料和新闻显示，疲劳驾驶严重影响人民群众的生命财产安全，需要全面高效的疲劳检测方法来预防疲劳驾驶，多项指标综合检测将成为驾驶员疲劳驾驶检测的发展趋势。当全面分析驾驶员各项指标后，对疲劳状态进行分级，并给予不同程度的警告预防制止措施，避免交通事故的发生。驾驶员在接受的相应警告之后应及时调整自身状态，在就近停车点停靠休息，保证驾驶过程处于清醒状态。

本研究以疲劳驾驶等级分类为主要内容，其结论是将疲劳驾驶进行等级划分，每个等级有相应的管控措施，并且对每个等级的管控措施进行确认，这是为了更好地对疲劳驾驶的危险性进行预判以及对驾驶员道路驾驶进行实时性的管理。对疲劳驾驶的控制比较复杂且要求较高，分析疲劳驾驶的原因采取高效的解决措施，最终可以达到有效分级控制疲劳驾驶的目的，减少交通事故发生的频率。

作者：杨崇芹  山东泰安人  山东管理学院物流管理专业学生 19级1班 邮编250100

曹紫萱  山东东营人  山东管理学院物流管理专业学生 19级1班 邮编250100

该论文为国家级大学生创新创业训练计划项目“基于分级控制的疲劳驾驶标准参数研究”研究成果。

赖保均，陈公兴，李升凯，李家壮，邵经纬，黎清虎.基于深度学习的人脸追踪安防监控系统[J].科学技术创新，2020（15）：72-74.

郭永彩，李文涛，高潮.基于PERCLOS的驾驶员疲劳检测算法[J].计算机系统应用，2009，18（08）：54-57.

马英. 基于面部特征的疲劳驾驶预警系统的研究[D].安徽工程大学，2016.

朱振华. 基于多特征融合的驾驶员疲劳检测算法研究[D].山东大学，2008.

王冠男.基于多特征的驾驶员疲劳驾驶识别[D].太原科技大学，2021.DOI：10.27721/d.cnki.gyzjc.2021.000538.

刘敏. 基于头部特征和姿态估计的疲劳驾驶检测技术的研究[D].东华大学，2019.DOI：10.27012/d.cnki.gdhuu.2019.000176.