基于3G视频的驾驶员疲劳状态检测方法

到特征图，以突出眼部特征。

其中，EyeMap是眼睛特征图，都归一化到[0，255]之间，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10f·s-1分辨率为640×480，时长60s。

则以每6s视频作为1个检测单元，间隔0.33s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CloseFr ame_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。