基于3G视频的驾驶员疲劳状态检测设计方案

　　f（ x,y） 为得到的人脸区域的灰度图像，通过实验发现，在眼睛处导数变化值之和的绝对值最大，通过此方法可粗略判断人眼所在线的位置。

　　3. 2 人眼精确定位

　　通过观察发现眼睛周围Cb值较高，而Cr值较低，因此由式（ 5） 计算得到特征图，以突出眼部特征。 

　　其中，EyeMap 是眼睛特征图，（ Cb） 2,（ Cr） 2,（ Cb /Cr）都归一化到[0,255]之间，Cr是由Cr求反得到（ 255,Cr） .在得到EyeMap 图后，设定阀值T,将EyeMap 小于T 的值设为0,这一步可视为一个简单的滤波以去掉非眼部特征的干扰。

　　得到EyeMap 滤波图后，结合人眼粗定位结果，从左到右搜索，按比例定义相对于人脸区域一定大小的框，当框进EyeMap 滤波图值的和最大时，即为人眼。

　　3. 3 眼睛的追踪

　　对人眼完成定位后，还要利用动态模板匹配的方法跟踪眼睛。设眼睛模板左上角的位置为（ x,y） ,下一帧的搜索范围是原位置上沿上、下、左、右4 个方向各扩展10 个像素。其公式为： 

　　式中，N 是模板中像索的个数； M 为模板； I 为图像中待匹配的部分。

　　可得所有大于阈值p 的最大值所对应的坐标为最匹配的位置。以此得到的眼睛图像作为下一帧图像的模板。在追踪的过程中，若得到的p 均小于阈值或两眼的行距过大则重新回到眼睛的检测过程。

　　4 基于Perclos 的疲劳识别

　　文中的疲劳识别基于Perclos 的P80 模型，即将闭合程度大于80%的眼睛状态判断为闭合状态。以初始时刻司机清醒时的上下眼睑最大距离为标准，若以后得到的距离小于此距离的80%则判断为闭合。假设实验视频帧率10 f·s - 1,分辨率为640 ×480,时长60 s.

　　则以每6 s 视频作为1 个检测单元，间隔0. 33 s 取1帧作眼睛状态检测。统计每个检测单元内18 帧图像的状态，得到眼睛闭合帧数CloseFrame_Num 和处理的总帧数SumFrame_Num,依据式（ 7） 计算相应的Perclos 值。 

　　如果所得Perclos 值大于实验确定的阈值20%,则判断此时驾驶员可能已处于疲劳状态，通过报警系统进行警告。

　　5 结束语

　　视频监控能对驾驶者进行监督提醒，有效预防疲劳驾驶，减少疲劳驾驶所引起的车辆事故。3G 视频监控是车辆监控发展的新趋势。算法在3G 监控视频帧的基础上，进行了人脸定位、人眼定位与追踪及疲劳状态判断。实验表明，该算法有较高的鲁棒性及准确性，并能有效应用于实际。