关于人脸识别在疲劳驾驶方面的研究

关于人脸识别在疲劳驾驶方面的研究

马冰歌

滁州学院

1引言

当前，在信息化时代背景下，人们的生活质量水平越来越高，机动车辆则成为人们日常生活中不可缺少必备工具，随之而来则会带来越来越多的交通事故。其中，考虑到驾驶员的疲劳驾驶问题较为严重，如果不加以重视则会造成较为严重的交通事故。所以，疲劳驾驶所造成的道路交通事故严重威胁着人的生命安全，通过驾驶员疲劳检测系统的研发，能有效减少由此发生的交通事故，降低由于疲劳驾驶而造成危害问题，能保障驾驶员和公众的出行的安全。在信息技术背景下的疲劳驾驶中人脸识别系统对于社会和谐稳定发展具有重要的社会意义。

2．疲劳驾驶检测技术的发展

结合疲劳驾驶的检测技术的发展，主要经历以下的发展阶段。对于早期的疲劳驾驶检测技术来说，关注的重点在驾驶员的生理参数指标方面，通过这方面的参数指标能够反映出驾驶员的疲劳状态。但在此过程中，需要驾驶员配置电极的头盔等设备，存在检测不方便的情况，还影响到驾驶员的行车状态。随后，通过参数测量的方法，来对于驾驶员疲劳状态进行检验。通过这种方式，能有效克服上述通过生理参数为指标的技术的不足，但在实践应用过程中，特别容易受到天气、路况、车型以及光线等自然条件的外在因素的影响，但应该重视这种方式的检测准确性问题，以更加符合实际的需求。

随着信息技术的逐步提升，自动化数字图像处理应用成为热门研究领域，并且呈现出非常快的发展速度，其中的技术涉及到监视、生物认证、安防、人机交互以及多媒体管理等多个渠道，正是由于这些技术的不断进步才能不断拓展人脸识别技术的发展，也就会实现人脸识别技术越来越成熟，更加符合实际的应用情况。自从1997年，很多商业公司都开始涉足去开展人脸识别系统的开发和研究。其中，在分析人脸识别技术过程中，其主要的优势体现在人机交互方面中体现出无干扰、非接触式以及自然化的特点和优势，能符合人机工程的基本要求，体现出对用户友好型的特点。相比于传统的检测识别发展来说，人脸识别系统并不需要借助于通过密码、识别码等来进行被检测者的用户身份的有效性识别，而通过直接化的描述方式来进行验证和身份识别，具有应用的便利性特点。所以，相比于之前的识别技术来说，人脸识别应用系统具有更为广阔的应用空间，能具有明显的优势，在借助于先进的图像处理技术，能够对于驾驶员驾驶时的人脸图像进行采集，特别是涉及到相关的关键参数的处理，比如，相关的瞳孔、视线、眼部特征等参数，快速进行系统处理分析，得到驾驶员是否疲劳的判断结果。

3．多种人脸识别方法比较

结合飞速发展的计算机信息技术，在人脸识别技术方面获得很大的突破，一般来说，人脸识别算法集中在以下两个方面，一是，基于统计的人脸识别方法；二是，基于知识的人脸识别方法[3]。

其中，在前者的基于统计的人脸识别技术中，主要涉及到的关键技术算法包括：基于神经网络的人脸识别方法、基于特征脸的人脸识别法、支持向量机的人脸识别方法以及基于隐马尔科模型法等方面。总体来看，从上述算法思想来看，主要是能够在特征空间映射出相应的人脸图像，并在此基础上进行大量数据的降维处理，并能进行相关的模式分类处理。其优点主要则是能够实现大量的原始信息的保留，具有较为简单的处理方式，符合人脸快速检测的要求。在这种方式下，由于统计学处理的能力范围有限，难以区分图像差异以及外在因素等方面内容，特别是在进行预处理图像表情方面则往往有着更高的要求，比如，在预处理的过程中，应该实现图像灰度的归一化处理，避免出现过多的光照影响。为了进一步减少深度以及不同人脸形状的差异化影响，还应进行人脸尺寸的归一化处理[6]。

对于基于知识的人脸识别来说，识别方法主要包括到器官分布规则、轮廓规则、灰度分布规则、对称性规则、肤色纹理规则、运动规则等方面[7]。其中，对于灰度分布的规则来说，则是考虑到人脸五官的空间位置分布，这样就会产生一定的灰度的变化规律，通过上述模式则能对于人脸的大概区域进行识别和处理。在轮廓方面，主要考虑到人的脸型以及椭圆的类似情况，都可以通过椭圆来进行有效的归纳。对于肤色识别来说，则是从人脸肤色的一致性来考虑，考虑到亚洲人大部分为黄色，在进行基于知识的人脸识别过程中，则是充分考虑到了人脸的共有特征，根据相关图像中规则区域相关内容，能够基本识别出人脸的情况。但在应用这项技术的过程中，这对于先验知识具有非常大的依赖性，特别是在图像识别的过程中，涉及到灰度和肤色的识别方法中，则往往需要质量比较高的噪声、光照处理。

4疲劳检测算法流程

这里结合上述分析的情况，探讨了在人脸识别在疲劳驾驶中疲劳检测算法。在此算法中，人脸识别系统结合实际需求能够从视频序列结合顺序来获得一帧图像，在此基础上，进行人脸检测工作，结合相关的特征提取相关方法，以及人眼定位的确定来进行。在进行相关特征提取的基础上，实现和图像数据库中的所对应ID的图像进行相应的对比以及确认，并进行判断处理，如果采集图像和数据库中对应ID图像存在超出阈值的不匹配问题时，则可以判断为非在职驾驶员开车的状态，并能实现报警系统的触发。相反，如果判断为在职驾驶员的情况下，则可以继续开展定位眼睛的操作，结合PERCLOS原理来进行疲劳驾驶的判断，根据相关算法的定义，如果判断为疲劳状态则应该触发报警予以通知。反之，系统则应该进一步进行判断，选择下一帧来进行相应的跟踪检测处理。

5结语

综上所述，本文结合疲劳驾驶中人脸识别进行相关的探讨，结合基于计算机信息技术的疲劳驾驶检测技术的发展进行探讨，并综述了人脸识别方法中基于统计的人脸识别方法以及基于知识的人脸识别方法，并分析其中识别过程中需要注意的问题，随着人机交互、人工智能技术的快速发展，表情识别呈现出快速发展的态势，这对于进一步提升疲劳驾驶中人脸识别的准确率具有积极的意义，同时，也有助于加强人脸识别系统的稳定性、鲁棒性问题。随着疲劳驾驶中人脸识别系统中的关键技术、核心技术的不断进步，相信在不远的将来，疲劳驾驶中人脸识别系统必然对于我国交通的平安出行，乃至社会和谐稳定发展具有重要的意义。

参考文献：

[1]蔡青,程磊,王红霞.基于Kinect的疲劳驾驶综合监测系统研究[J].计算机工程与科学,2015,37(12).

[2]詹润哲,姜飞.基于面部关键点特征融合的驾驶员疲劳检测方法研究[J].宿州学院学报,2018,33(10).

[3]赵旭阳,王宇豪.基于极限学习机面部识别的疲劳驾驶监测方法的研究[J].中国设备工程,2018,(9).