駕駛疲勞是指駕駛員由于睡眠不足或長時間持續駕駛造成的反應能力下降，這種下降表現在駕駛員困倦、打瞌睡、駕駛操作失誤或完全喪失駕駛能力。

駕駛疲勞反映在生理與心理兩個方面，生理反映包括神經系統的功能、血液和眼睛的變化；心理反映包括反應時延長、注意力分散、動作不協調。美國印第安那大學對交通事故原因的調查研究發現85％的事故與駕駛員有關，車輛和環境因素只占15％。

駕駛員在事故發生前一瞬間的行為和故障直接導致了事故的發生，這些行為包括知覺的延遲、對環境的決策錯誤、對危險情況的處理不當等。在所有的駕駛員錯誤中，最常見的是知覺延遲和決策錯誤，這些錯誤會產生注意力不集中、反映遲鈍、操作不當等，產生這些錯誤的根本原因就是駕駛疲勞。由于司機疲勞駕駛導致警惕性水平的下降，從而造成交通事故的增長，這已成為了社會普遍關注的一個熱點。

如果司機疲勞駕駛，那么他的觀察、識別和車輛控制能力都會顯著下降，嚴重威脅自身的安全和其他人的生命。隨著交通運輸業的發展，交通事故已成為當前各國所面臨的嚴重問題。

駕駛人疲勞狀態主要監測方法

關于駕駛人疲勞及注意分散等安全狀態的監測預警技術，由于它在交通事故預防方面的發展前景而受到各國高度的重視，研究人員根據駕駛人疲勞時在生理和操作上的特征進行了多方面的研究，一些研究成果已形成產品并開始進入市場。

駕駛人疲勞狀態的檢測方法可大致分為基于駕駛人生理信號、基于駕駛人生理反應特征、基于駕駛人操作行為和基于車輛狀態信息的檢測方法。

1、基于駕駛人生理信號的檢測方法

針對疲勞的研究最早始于生理學。相關研究表明，駕駛人在疲勞狀態下的生理指標會偏離正常狀態的指標。因此可以通過駕駛員的生理指標來判斷駕駛人是否進入疲勞狀態。目前較為成熟的檢測方法包括對駕駛人的腦電信號EEG、心電信號ECG等的測量。

研究人員很早就已經發現EEG能夠直接反映大腦的活動狀態。研究發現在進入疲勞狀態時，EEG中的delta波和theta波的活動會大幅度增長，而alpha波活動會有小幅增長。另一項研究[6]通過在模擬器和實車中監測EEG信號，試驗結果表明EEG對于監測駕駛人疲勞是一種有效的方法。研究人員同時發現，EEG信號特征有很大的個人差異，如性別和性格等，同時也和人的心理活動相關很大。

ECG主要被用于駕駛負擔的生理測量中。研究表明在駕駛人疲勞時ECG會明顯的有規律的下降,并且HRV（心率變化）和駕駛中的疲勞程度的變化有潛在的關系。

基于駕駛人生理信號的檢測方法對疲勞判斷的準確性較高，但生理信號需要采用接觸式測量，且對個人依賴程度較大，在實際用于駕駛人疲勞監測時有很多的局限性，因此主要應用在實驗階段，作為實驗的對照參數。

2、基于駕駛人生理反應特征的檢測方法

基于駕駛人的生理反應特征的檢測方法是指利用駕駛人的眼動特性、頭部運動特性等推斷駕駛人的疲勞狀態。

駕駛人眼球的運動和眨眼信息被認為是反映疲勞的重要特征，眨眼幅度、眨眼頻率和平均閉合時間都可直接用于檢測疲勞。目前基于眼動機理研究駕駛疲勞的算法有很多種，廣泛采用的算法包括PERCLOS，即將眼瞼閉合時間占一段時間的百分比作為生理疲勞的測量指標。

利用面部識別技術定位眼睛、鼻尖和嘴角位置，將眼睛、鼻尖和嘴角位置結合起來，再根據對眼球的追蹤可以獲得駕駛人注意力方向，并判斷駕駛人的注意力是否分散。

利用頭部位置傳感器檢測駕駛人點頭動作，通過電容傳感器陣列輸出駕駛人頭部距離每個傳感器的位置,可實時跟蹤頭部的位置,根據頭部位置的變化規律判定駕駛人是否瞌睡,該研究發現點頭的動作和瞌睡有非常好的相關性。

基于駕駛人生理反應特征的檢測方法一般采用非接觸式測量，對疲勞狀態的識別精度和實用性上都較好。

3、基于駕駛人操作行為的檢測方法

基于駕駛人操作行為的駕駛人疲勞狀態識別技術，是指通過駕駛人的操作行為如方向盤操作等操作推斷駕駛人疲勞狀態。

利用對監測到的駕駛人的方向盤操作數據進行處理，研究結果在一定程度上揭示了駕駛人的方向盤操作與疲勞之間的關系。研究指出方向盤的操作是一種有效的駕駛疲勞的判斷手段。

總體來說，目前利用駕駛人操作行為進行疲勞識別的深入研究成果較少。駕駛人的操作除了與疲勞狀態有關外，還受到個人習慣、行駛速度、道路環境、操作技能的影響，車輛的行駛狀態也與車輛特性、道路等很多環境因素有關，因此如何提高駕駛人狀態的推測精度是此類間接測量技術的關鍵問題。

4、基于車輛行駛軌跡的檢測方法

利用車輛行駛軌跡變化和車道線偏離等車輛行駛信息也可推測駕駛人的疲勞狀態。這種方法和基于駕駛人操作行為的疲勞狀態識別技術一樣，都以車輛現有的裝置為基礎，不需添加過多的硬件設備，而且不會對駕駛人的正常駕駛造成干擾，因此具有很高的實用價值。

基于視頻技術的疲勞駕駛識別系統

1999年4月，美國聯邦公路管理局首先提出了把PERCLOS作為預測機動車駕駛員駕駛疲勞的可行方法。經過多年的發展，目前，PERCLOS方法已被公認為最有效的、車載的、實時的駕駛疲勞測評方法。PERCLOS是Percentage of Eyelid Closure Over the Pupil Time的縮寫，意為單位時間里眼睛閉合時間所占的百分比。

PERCLOS的原理即為統計在一定時間內眼睛閉合時所占的時間比例。我們的系統所采用的評判標準為PERCLOS80，指眼瞼遮住瞳孔的面積超過80%就認為眼睛閉合。

PERCLOS測量原理

通過測量出t1-t4就能計算出PERCLOS的值：

其中F代表眼睛閉合時間的百分比，即PERCLOS的值。

基于視頻技術的疲勞駕駛識別系統系統方案及工作流程

駕駛員疲勞監測系統通過視頻采集設備獲得駕駛員實時圖像，自動分析駕駛員的頭部姿態、眼睛運動規律以及面部特征等信息來確定駕駛員精神狀態，并給出相應的預警提示。研究表明，相比臉部或頭部運動規律而言，眼睛的活動規律，如眨眼頻率、眨眼快慢、眼睛張開幅度以及眼睛的注視方向等能更好地反映出當前時刻實驗對象的精神狀態好壞。

因此，如果能夠獲得每一幀圖像中的雙眼大小、位置信息以及運動變化，就可以將一段時間內駕駛員的眼部活動規律統計出來，結合疲勞狀態分析指標，就能夠對駕駛員疲勞狀態進行評價。系統流程如圖所示：

圖像預處理

在駕駛環境下通過視頻流采集的圖像會受到諸多因素的影響而包含噪聲信息，如分辨率、系統噪聲、突變背景等，給接下來的圖像運算帶來干擾。因此，我們對源圖像通過直方圖均衡化的手段進行預先處理，去除噪聲，增強圖像對比度，凸顯圖像細節，提高圖像質量。

均衡化前 均衡化后

均衡化前的直方圖 均衡化后的直方圖

人臉檢測

人臉檢測環節是人眼定位前的重要步驟。系統采用Adaboost算法，利用提供的樣本訓練和檢測方法。首先采集樣本，從已采集的樣本集中訓練出分類器，該分類器可以很好地區別出人臉和非人臉；在檢測環節，加載待檢圖像幀至分類器中，通過對圖像像素點的掃描，找到圖像中包含的人臉，標定該區域。后續操作會在已標定的人臉區域中進行，縮小計算區域，排除非人臉因素的干擾，極大地提高了系統的運行速率。

眼定位

該環節包括人眼粗略定位和人眼精確定位兩個階段。首先，根據中國傳統的三庭五眼的先驗知識，粗略定位肯定存在人眼的大致區域，該區域可能同時包含眉毛，發角等干擾，但卻進一步地縮小了計算區域；接著，將人眼粗略區域通過一定閾值轉換為二值化圖像，再進行垂直方向上的灰度投影，求得直方圖，因為人眼和周圍皮膚的灰度存在較大差異，所以可從直方圖中的波峰波谷判斷出人眼上下邊緣的Y坐標，繼而可對眼睛進行精確定位。

眼睛狀態判斷

通過最大類間方差法（Otsu）在不同的光線下對人眼精確區域進行不同閾值的二值化，分別獲取最佳的人眼睜閉狀態時的眼部形狀。通過對連續N幀的對比可以判斷，黑色像素值面積最小時可認為駕駛員當前處于閉眼狀態，其他情況下處于睜眼或者半睜眼狀態。

疲勞分析

系統選取目前公認有效的PERCOLS疲勞程度評價指標，即通過閉眼幀在連續N幀內所占的時間比例來分析疲勞狀態，睜眼幀記錄為“1”值，閉眼幀記錄為“0”值，這樣，連續N幀后便可獲取關于“1”“0”交錯出現的序列，疲勞狀態的分析即可用“0”值在該序列中所占的比例來描述，當百分比高于一定的實驗比例后即可認為司機可能出現疲勞。

通過以上五個步驟的操作處理，系統可由采集設備獲取的視頻流中分析出當前駕駛員是否處于疲勞狀態及疲勞程度，給出不同程度的提醒警報，從而達到系統目標。

疲勞程度的綜合判定

駕駛員疲勞的判定會因錯誤檢查帶來不良影響，通過 PERCLOS、眼睛閉合時間、眼睛眨眼頻率、嘴巴張開程度、頭部運動的計算，進行疲勞程度的綜合判定，可以準確、有效地進行駕駛員疲勞的檢測。

PERCLOS

PERCLOS是指眼睛閉合時間占某一特定時間的百分率。PERCLOS方法有P70，P80和EM三種判定標準。研究表明P80與疲勞程度間具有最好的相關性。

嘴巴張開程度

嘴巴的狀態通常有三種，閉合，說話及打哈欠，在疲勞狀態下，人會頻繁地打哈欠。在人臉下半部分進行水平灰度投影，觀察不同單人圖像的水平灰度投影曲線，會發現該區域下半部分的水平灰度投影曲線有一個波谷，即為嘴唇間位置。對人臉下半部分區域二值化，從嘴唇間向上、下計算連通區域（連通區域可以防止鼻孔及胡須對計算帶來影響）的像素值，即可得到嘴巴的張開程度。

眼睛高度及嘴巴高度補償

在上眼瞼到下眼瞼的垂直距離及上嘴唇到下嘴唇的垂直距離時，由于駕駛員頭部相對于檢測設備有位置移動，因此為了實現駕駛員眼睛高度和嘴巴高度的準確計算，需要修正眼睛、嘴巴與檢測設備距離相對變化引起的變化。

眼睛閉合時間

眼睛閉合時間，一般用眼睛閉合到睜開所經歷的時間來表示。人處于正常清醒狀態時，眼睛閉合時間是很短的，會迅速睜開眼。而當疲勞時，眼睛閉合時間會明顯變長，因此眼睛閉合時間能直接反映駕駛員的精神狀態。通過計算從眼睛閉合到睜開的最大幀數，幀數越多，閉合時間就越長，則疲勞程度就越嚴重。

眼睛眨眼頻率

人在疲勞狀態下，眨眼頻率會比清醒狀態下頻率高。本文也將其作為一項參數作為疲勞判斷的依據。眼睛閉合到睜開為眨眼一次。累加一段時間內眨眼次數，作為疲勞判斷的一項參數。

頭部運動的疲勞參數

駕駛員在疲勞狀態下會出現頻繁點頭，頭部向前傾。通過水平灰度積分投影得到眼睛瞳孔、嘴角的水平位置。 假設d1為瞳孔水平位置到采集圖片的上邊緣距離，d2為嘴角的水平位置到采集圖片的下邊緣距離。在駕駛員疲勞出現點頭情況，則d1增大且d2減小。駕駛員疲勞時，頭部向前傾，則d1增大且d2增大。點頭和頭部向前傾可以作為疲勞判斷的一項重要的依據。

疲勞駕駛監測技術現狀

美國Attention Technologies公司推出的Driver Fatigue Monitor（DD850）是一款基于駕駛人生理反應特征的駕駛人疲勞監測預警產品。該產品通過紅外攝像頭采集駕駛人眼部信息，采用PERCLOS作為疲勞報警指標，可直接安裝在儀表盤上，報警的敏感度和報警音量均可調節，目前已推廣應用，但只有晚上才有效。

美國Digital Installations開發的S.A.M.疲勞報警裝置利用置于方向盤下方的磁性條檢測方向盤轉角。如果一段時間內駕駛員沒有對方向盤進行任何修正操作，則系統推斷駕駛員進入疲勞狀態，并觸發報警。

美國AssistWare Technology公司的SafeTRAC利用前置視頻頭對車道線進行識別，當車輛開始偏離車道時進行報警，該產品也可通過車道保持狀態結合駕駛人的方向盤操作特性判斷駕駛人的疲勞狀態。

英國的ASTiD裝置綜合考慮駕駛員的睡眠信息、已完成的駕駛時長和類型，以及駕駛員的方向盤操作等各種因素判斷駕駛人疲勞狀態。裝置運行前需要駕駛員輸入自己過去24小時的睡眠信息。當視覺報警到一定程度時，觸發聲音報警，建議駕駛員停車并休息。休息一段時間后，內置鬧鐘會叫醒駕駛員，并重置駕駛時間。

除了上述這些產品之外，還有通過手腕運動檢測疲勞的疲勞報警手鐲和可掛在眼睛腿上的利用加速度運動信息檢測頭部運動的疲勞檢測眼鏡等其它一些疲勞檢測預警產品。

對駕駛人疲勞狀態監測方法與裝置的研究,對于預防由疲勞駕駛引起的交通事故有重要意義,其應用前景廣闊,可以預見在未來很長一段時間內都將是汽車安全技術領域的一個熱點方向。但是，駕駛人的疲勞狀態受多種因素影響，到目前為止還沒有發現非常有效的指標或模型能夠對疲勞等級進行精確的評價。因此需要進一步深入研究各種指標與駕駛人疲勞等級之間的關系。另外，現有的駕駛人疲勞狀態監測方法大都基于某一單項指標，雖然在限定條件下能夠達到一定的精度，但在實際復雜多變的行車環境下，其準確性和可靠性上還存在問題，難以達到預期要求。針對這一問題，多源信息融合方法將成為一個發展方向。