有资料表明,高速公路发生的交通事故中,有50%以上由于长时间疲劳驾驶或所见目标单调使司机注意力不集中、甚至打瞌睡等原因造成的。为减少这方面的事故,对驾驶员监测技术的研究越来越多,主要集中在三个方面的研究:基于驾驶员个体特性的监测方法,基于驾驶员生理参数测量的监测方法和基于车辆参数的监测方法。后两种方法需要一些电线或电极接触驾驶员身体不受驾驶员欢迎,或者是受车辆的类型,驾驶员的驾驶经验和驾驶条件等限制。前一种方法是无接触式的监测方法,美国Office of Motor Carrier Researcher and Standards实验表明一种改进的PERCLOS算法来检测疲劳,运用此算法可以在驾驶员出现在事故前至少2—3分钟给以暗示。实验表明这种方法相对于其它方法具有很好的实用性和可靠性。 根据这种特点,本文设计了一个驾驶员疲劳度实时监测系统,基于DSPTMS320C6416芯片上进行算法处理,采用红外线CCD摄像头采集图像信息,可以不受光线、背景的干扰实时而有效地监测驾驶员疲劳时的眼部状态。 眼睛的精确定位是实现本算法的关键。现在一般用到小波变换和神经网络等算法来对眼部定位。但是这些算法具有计算量大和难以实现的缺点,本系统采用了定位效果好,而且计算量相对小和易于实现的定位眼睛算法,主要有积分投影,模板匹配,图像分割,Hough变换等来实现眼睛定位。首先确定驾驶员的头部,人脸位置。然后利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点,利用这些信息对眼睛的位置进行粗略的估算,最后在此信息基础上进行二次信息提取,来精确定位眼睛的位置,找出眼睑开合的幅度计算出V/H(眼睛垂直高度和瞳孔直径的比例的值),统计每分钟眼睛的V/H值,然后判决是驾驶员是否疲劳。实验结果证明,系统运用此算法可以有效的跟踪和检测眼睛状态,在驾驶员疲劳时给出报警信号。