黃勝，許超然

（長安大學汽車學院，陜西 西安 710000）

隨著汽車交通運輸業(yè)的快速發(fā)展，我國機動車的保有量不斷的上升，交通安全事故發(fā)生越來越嚴重，交通安全問題已然成為一個嚴重的社會問題。交通事故的發(fā)生給我國國家人民生命財產(chǎn)安全和國家財產(chǎn)帶來了非常大的損失，而且這些交通事故中很大一部分是駕駛員的人為因素造成的，其中就包涵了駕駛疲勞。當前來說由于疲勞駕駛而引發(fā)的交通事故越來越多，而夜間是疲勞駕駛的高發(fā)時段。熱紅外的人臉圖像基本上受光照的影響很小，能夠在夜間準確的反應駕駛員的駕駛狀態(tài)。紅外成像系統(tǒng)并不和主動紅外夜視儀一樣需要紅外光源，也不像微光夜視儀一樣需要借助夜天光，這種系統(tǒng)使依靠目標和背景的輻射差產(chǎn)生的景物圖像。熱紅外的人臉圖像基本上受光照的影響很小，能夠在夜間準確的反應駕駛員的駕駛狀態(tài)。

針對得到的駕駛員臉部的紅外圖像，采用OpenCV中分類器對駕駛員臉部進行識別，用到的算法就是 AdaBoost算法。AdaBoost算法針對的是不同的訓練集訓練同一個分類器，然后把這些在不同的訓練集上得到的分類器集合起來，構成一個更強的最終的分類器。理論證明，只要是每個弱分類器分類能力比隨機猜測的要好，當其中個數(shù)趨向于無窮時，強分類器的出錯率將趨于零。

針對得到的紅外圖像進行灰度化、直方圖均衡化、中值濾波化、二值化等一系列的處理，得到人眼瞳孔當中黑素像素的個數(shù)，將得到的個數(shù)與判定駕駛員駕駛疲勞時人眼瞳孔中黑色像素的個數(shù)相比較，如果大于設定的個數(shù)那么就可以判斷駕駛員處于疲勞駕駛狀態(tài)。

1 基于OpenCV對紅外圖像進行處理

人臉識別的研究一般分為三個部分：從比較復雜的場景中檢測出人臉位置，并且分離出來；抽取出人臉識別的特征；然后再進行人臉的匹配和識別。

圖1 夜間彩色圖片（眼睛睜開和閉合的狀態(tài)）

圖2 夜間紅外圖像（眼睛睜開和閉合的狀態(tài)）

圖3 夜間紅外圖像（眼睛半睜開和睜開的圖片）

2 本文所采用的人臉檢測方法與圖像處理

本文所使用的人臉識別方法是基于OpenCV中的臉部分類器來實現(xiàn)，這種方法相對來說簡單易實現(xiàn)。對于拍攝到的紅外圖像借助OpenCV進行人臉識別。

圖4 夜間紅外圖像對人眼的識別與檢測

針對得到的駕駛員臉部的紅外圖像，采用OpenCV中分類器對駕駛員臉部進行識別，用到的算法就是 AdaBoost算法。

AdaBoost算法針對的是不同的訓練集訓練同一個分類器，然后把這些在不同的訓練集上得到的分類器集合起來，構成一個更強的最終的分類器。理論證明，只要是每個弱分類器分類能力比隨機猜測的要好，當其中個數(shù)趨向于無窮時，強分類器的出錯率將趨于零。

本系統(tǒng)檢測出人臉的位置后需要對檢測出的人臉圖像進行灰度化的處理。為了加快圖像的處理速度進行的圖像灰度化處理對圖像并沒有影響，而且灰度圖像上面得到的驗證算法，很容易移植到彩色圖像上，依然能過反映整幅圖像的整體和局部的色度和亮度的等級的分布和特征。

將圖像上所有點的灰度設置為0或者是255(也就是圖像的二值化處理）通過選取適當?shù)拈撝祵?56個亮度等級的灰度圖像得到仍然可以反映圖像整體和局部特征的二值化圖像。

3 程序實現(xiàn)

借助OpenCV檢查已經(jīng)二值化的圖像中人眼瞳孔的黑色像素個數(shù)，如果黑色像素個數(shù)大于已經(jīng)設定好了的疲勞狀態(tài)下人眼瞳孔中黑色像素個數(shù)的話那么系統(tǒng)將會判斷駕駛員現(xiàn)在處于疲勞狀態(tài)，那么系統(tǒng)將會發(fā)出警告，提醒駕駛員及時采取相對應的措施以保證駕駛安全。

圖5 眼睛睜開時二值化圖像（正常狀態(tài)）

圖6 疲勞狀態(tài)圖

圖7 處于睡眠狀態(tài)

圖8

如果黑色像素個數(shù)不大于已經(jīng)設定好了的疲勞狀態(tài)下人眼瞳孔中黑色像素個數(shù)的話那么系統(tǒng)將繼續(xù)檢測。

交通事故頻繁發(fā)生的主要原因之一是駕駛員的疲勞駕駛?；跈C器視覺的夜間駕駛員疲勞檢測現(xiàn)在已經(jīng)成為了目前國家上正在展開研究開發(fā)的一種新型駕駛員駕駛疲勞的檢測方法。本文開展了基于紅外圖像下夜間駕駛員疲勞檢測系統(tǒng)研究。借助OpenCV進行人臉檢測與識別，對得到的人臉圖像進行灰度化、直方圖均衡化、中值濾波化、二值化，然后對二值化以后的人臉瞳孔中黑色像素的個數(shù)進行判斷，以此來檢測駕駛員是否處于疲勞駕駛狀態(tài)。