基于人脸识别的机车司机驾驶疲劳检测方法研究

基于人脸识别的机车司机 驾驶疲劳检测方法研究

宋传旗

山东济铁工程建设集团 山东 济南 250000

摘要：交通安全事故不仅会造成较大的经济损失，还会威胁到人们的生命安全。通过对交通安全事故的调查发现，疲劳驾驶是导致交通事故的重要原因，因此，在交通安全事故管理中，需要加大对疲劳驾驶的有效检测利用科学措施，实现对疲劳驾驶的控制，大幅度降低交通安全事故的出现几率。同样在铁路机车驾驶行业中，疲劳驾驶检测通过人脸识别技术应用能够结合对相关特征的提取，满足对驾驶员疲劳状态的检测，并及时给予语音播报，降低驾驶过程中出现的安全事故。基于此，本文针对基于人脸识别的疲劳驾驶检测方法进行分析，仅供参考。

关键词：疲劳驾驶检测；卷积神经网络；人脸识别；图像处理

中图分类号：TP391 文献标识码：A

引言

机车司机疲劳驾驶的检测属于主动防御机制，能够有效降低铁路安全事故的发生几率。通过图像处理技术满足对人脸图像中的相关指标提取，包含嘴部信息、眼部信息等等，有效确定驾驶员是否进入了疲劳驾驶状态，及时给出相应的警报，满足对驾驶员的提醒，减少交通安全事故的发生几率。通过人脸识别技术对疲劳检测的应用能够实现对驾驶员驾驶行为的有效监督，大幅度降低驾驶员在驾驶过程中出现的危险行为，对于推进铁路交通安全以及交通经济发展具有重要意义。

1 疲劳检测的分类

驾驶员疲劳检测过程中可以分成两类，一是主观检测，二是客观检测。主观检测主要是通过驾驶员自身的驾驶习惯、驾驶时间以及驾驶目标等进行科学评价，然后针对驾驶员在驾驶过程中的行为进行检测与约束。在主观检测中主要是根据主观的自我评价，有效判断驾驶员是否进入了疲劳驾驶状态，其中包含了多种评定方法，比如斯坦福睡眠尺度表、驾驶员自我记录表等等。客观检测主要是针对驾驶员的心理和生理等进行检测，在驾驶过程中出现的疲劳驾驶属于中枢性质，在驾驶过程中，正常状态和疲劳驾驶状态有一定的生理参数偏差，通过对生理信号的检测，能够查看驾驶员是否处于疲劳驾驶状态，检测内容包含了脉搏信号检测、脑电信号检测以及心电信号检测等，通过此种方式能够将各类传感器的相关参数传输到计算机系统中，计算机系统会对获取的数据和信息进行识别，判断驾驶员的状态。利用此种方法具备着非常强的检测效率，尤其是对脑电信号进行检测时，被评定为驾驶员疲劳驾驶检测的金标准。在客观检测过程中，虽然通过此种方式能够达到有效的检测效率，但是此方法却大多数属于接触型检测，主要应用在驾驶过程中无法满足其便捷性要求，这也导致该方法的实际应用效率并不高。

2 基于人脸识别的驾驶疲劳检测方法

2.1 心电信号检测

心电信号检测是疲劳驾驶检测中非常关键的检测方法，该检测技术在应用中需要在驾驶人员的胸前进行相关设备安装，主要是查看驾驶过程中心脏的周期性跳动情况，通过传感器获取驾驶员的心电信号变化情况，其中包含了心率或者心率变异性指标等，满足对疲劳驾驶的判断。该技术在应用过程中需要工作人员根据心电信号的波峰值序列延迟时间以及排列状况等进行分析，在相同的环境下，满足不同状态的人体心电信号收集，将疲劳状态和正常状态的信号样本进行结合，并以此作为判断依据，通过将数据输入到计算机系统中，满足机器进行分类学习，最终达到疲劳驾驶状态的检测。在驾驶过程中利用心电信号检测方法，能客观的评价出驾驶员的驾驶状态，但是，在目前的心电信号收集时，主要通心电图机进行测量，属于接触性的测量方法，在实际的驾驶过程中，数据和信息获取的难度相对较大。

2.2 脉搏信号检测

在疲劳驾驶检测中，通过对脉搏信号的峰值频率以及功率谱峰值等进行检测，能够作为关键检测指标，通过相关专家的研究发现在驾驶员正常情况下，脉搏信号的功率谱峰值要高于疲劳驾驶过程中的功率谱峰值，而且峰值频率的差异非常明显，能够有效作为疲劳驾驶的检测标准。目前已经开发出了疲劳驾驶报警系统，主要是根据驾驶员的脉搏跳动情况等进行检测，该检测方法是在驾驶员的脉搏跳动位置进行传感装置的安装，通过系统与软件的运行判断驾驶员在驾驶过程中的情绪紧张或者瞌睡状况等，满足对驾驶员驾驶行为的警告。通过对脉搏信号的分析，能有效实现对疲劳状态的检测，相关工作人员需要在脉搏跳动位置进行传感器安装，通过相关数据和信息的收集，结合驾驶员驾驶习惯不同满足对数据和信息的分析，但是在实际的应用过程中，不同的驾驶人员心理状态和驾驶习惯有着较大的差异，容易在检测中出现结果的偏差。另外，在脉搏信号检测中夹杂了较多的干扰和噪声，对信号处理的难度较大。

2.3 车道偏离进行检测

车道偏离检测属于非接触式的检测方法，驾驶员的接受程度更高，而且随着科学技术的发展，在机器视觉应用方面，更好的满足了检测的敏捷性与便利性，不仅能够有效确保数据和信息的可靠性，还不会造成对驾驶员的影响。在驾驶员对车辆进行驾驶时，不同的驾驶员在生理状况、心理状况和疲劳驾驶状态等方面都有着较大的区别，不同驾驶员在不同的疲劳状态下也有着不同的特征，结合环境差异以及外界条件差异等采用单一的手段进行检测，将会导致检测结果的偏差。因此，当前在疲劳驾驶检测中需要满足多项技术融合，确保疲劳驾驶状态检测更加精确。

2.4 眼睛状态检测

正常驾驶员在驾驶过程中，眼睛的闭合时间是在0.12秒-0.13秒之间，如果超过0.15秒，则代表驾驶员已经处于了疲劳驾驶状态。另外，正常驾驶员在车辆行驶过程中，瞳孔的直径变化保持在每分钟5~10次左右，而疲劳驾驶状态下会达到平均每分钟15次左右，如果超过15次，则代表驾驶员已经处于疲劳驾驶状态。通过图像识别技术满足对驾驶过程中上下眼睑之间的距离和闭合度进行判断，判断驾驶员是否处于疲劳驾驶状态。相关专家通过此方法进行相应的实验，在实验过程中分别测量正常人在清醒状态和睡眠状态的直径大小变化情况，以此作为对疲劳驾驶状态的检测标准，此方法在检测过程中属于非接触式检测方法，不需要借助大型的仪器设备作为辅助。在驾驶室内进行摄像头的安装，满足对面部信息图像的识别，利用一定算法对驾驶员眼睛状态的变化情况进行信息收集，满足对驾驶员驾驶状态的评价。但是在应用此方法时，要求驾驶员前面不允许出现有较多的遮挡物，比如说头发、有色眼镜等。

3 结束语

总而言之，铁路机车司机疲劳驾驶不仅会造成较大的经济损失，还会影响到驾驶员的生命安全。所以，在当前的各类交通行业发展中，需要根据驾驶员的疲劳驾驶状态检测加大研究力度，落实对驾驶员驾驶过程中的精确提醒，减少因疲劳驾驶而造成的交通安全事故。通过人脸识别技术满足对人脸信息的收集记录，驾驶时间以及行驶过程中眼睛的变化情况，通过持续检测查看眼睛的睁闭情况，利用疲劳判定算法满足对驾驶疲劳的检测分析，提醒驾驶员及时停车休息。

参考文献：

[1] 李刚,王银烨,张政儒,许艳亭,丁茹伊.基于Python的驾驶员打哈欠在线检测方法研究[J].汽车实用技术,2020(03):137-138+141.

[2] 李军,幸坚炬,黄超生,谢伟彬,钟菊萍,邹思昕.人脸识别在疲劳驾驶检测中的应用研究[J].广东技术师范学院学报,2019,40(03):22-27.

[3] 黄永平.基于计算机视觉的司机驾驶疲劳检测系统[J].数字技术与应用,2019,37(03):101-102.

[4] 李玉三.疲劳驾驶中人脸检测问题的研究[J].电脑与电信,2013(06):46-48+54.

[5] 傅亚煌,黄鸣宇.基于眼动特征的机动车驾驶疲劳系统[J].电脑与信息技术,2013,21(01):15-18.