基于3G视频的驾驶员疲劳状态检测设计方案(2)

主页（http://www.pttcn.net）：基于3G视频的驾驶员疲劳状态检测设计方案(2)

　　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。