疲勞駕駛是司機(jī)在駕車過(guò)程中介于意識(shí)清醒和進(jìn)人睡眠的一種非正常狀態(tài)，是導(dǎo)致交通事故的主要原因之一。由于車輛流動(dòng)性強(qiáng)、任務(wù)區(qū)域廣、安全隱患多、風(fēng)險(xiǎn)責(zé)任大，并缺乏科學(xué)有效的監(jiān)管手段，近年來(lái)疲勞駕駛所造成的車輛事故時(shí)有發(fā)生。通過(guò)3G視頻監(jiān)控系統(tǒng)對(duì)駕駛員面部狀態(tài)的實(shí)時(shí)監(jiān)控，一旦發(fā)現(xiàn)駕駛員眼睛疲勞狀態(tài)立即進(jìn)行報(bào)警，能有效減少駕駛員疲勞所造成的交通事故，解決車輛管理中“看不見(jiàn)、聽(tīng)不著、控不了”的難題。

　　基于3C視頻的疲勞檢測(cè)主要包括視頻流解壓抓幀、人臉定位、人眼定位追蹤和疲勞判斷4個(gè)部分。文中提出一種基于膚色檢測(cè)及灰度信息的疲勞檢測(cè)算法，能有效用于3G車輛視頻監(jiān)控系統(tǒng)。

　　1 視頻采集及預(yù)處理

　　文中使用車輛內(nèi)部的3G視頻監(jiān)控裝置來(lái)進(jìn)行視頻采集，位于駕駛員頭頂正面上方，拍攝在駕駛過(guò)程中多種光照環(huán)境下、不同姿勢(shì)和精神狀態(tài)的駕駛員視頻。

　　視頻預(yù)處理主要采用DirectShow技術(shù)進(jìn)行視頻流解壓抓幀。利用DirectShow的媒體監(jiān)測(cè)器對(duì)象（Media Detector Object），將拍攝到的駕駛員視頻文件進(jìn)行視頻流解壓縮，實(shí)時(shí)在線地從視頻流中提取指定的幀視頻圖像，并為后續(xù)的駕駛員眼睛狀態(tài)檢測(cè)提供位圖數(shù)據(jù)。

　　媒體監(jiān)測(cè)器不僅能獲取媒體源文件的格式信息，也可以通過(guò)捕獲過(guò)濾器從一個(gè)媒體文件的視頻流中捕獲一幅位圖圖像，通常獲得的位圖是24位RGB格式。通過(guò)搜索媒體文件，媒體監(jiān)測(cè)器可以獲得這個(gè)文件中任意點(diǎn)的圖像。應(yīng)用程序通過(guò)調(diào)用IMediaDet接口與Media Detector進(jìn)行交互。接口包含了一些方法能夠從媒體源文件中提取重要信息，比如媒體類型、幀速率甚至是視頻流的單個(gè)幀。媒體監(jiān)測(cè)器將過(guò)濾器視圖封裝到對(duì)象中，從而使應(yīng)用程序屏蔽掉與視圖相關(guān)的一些細(xì)節(jié)。

　　在疲勞檢測(cè)中，用得到的第一幅圖像檢測(cè)人臉和眼睛，如若失敗則從下一幅圖像檢測(cè)直至成功，并將得到的眼睛圖像作為動(dòng)態(tài)模板對(duì)以后的序列進(jìn)行眼睛追蹤，若失敗則重新定位人眼。

　　2 基于膚色檢測(cè)的人臉定位

　　膚色是人臉最為顯著特征之一，對(duì)于彩色圖像，膚色是圖像中相對(duì)集中、穩(wěn)定區(qū)域。膚色信息可將人臉和背景區(qū)域分開(kāi)。研究表明，在除去亮度的色度空間中，不同人臉膚色分布具有聚類性。所以膚色的差異主要取決于色彩信息，而非亮度信息?；谀w色檢測(cè)方法利用人的膚色中Cr和Cb的聚類特性，在YCbCr色彩空間中檢測(cè)圖像中是否存在人臉。這種算法檢測(cè)速度快，并且受人臉旋轉(zhuǎn)或側(cè)轉(zhuǎn)的影響較小。

　　膚色分割可以采用的色彩空間有很多種。其中YCbCr色彩空間具有與人類視覺(jué)感知過(guò)程類似的構(gòu)成機(jī)理，能很好地反映膚色分布，并反映出膚色聚類特性。YCbCr模型與RGB模型的變換公式如下

　　通過(guò)對(duì)人臉數(shù)據(jù)庫(kù)中和人臉視頻圖像中黃種人人臉膚色點(diǎn)的采樣進(jìn)行分析，可得到實(shí)驗(yàn)環(huán)境下膚色在YCbCr空間中的聚類，用數(shù)學(xué)表達(dá)式確定膚色范圍的方法進(jìn)行膚色建模。可根據(jù)Chai采用YCbCr顏色空間的CbCr平面，如果某像素點(diǎn)的顏色落入Cr=［133：173］和Cb=［77：127］范圍內(nèi)，就認(rèn)為是屬于膚色像素，否則就認(rèn)為是非膚色像素。確定為膚色區(qū)域后，將其認(rèn)定的膚色區(qū)域的R、G、B值均設(shè)定為255，在圖像中顯示為白色；非膚色區(qū)域設(shè)y=R=G=B=0，即在圖像中顯示為黑色。隨后對(duì)得到的圖像采用自適應(yīng)閾值二值化。

　　式中，g（t）為灰度值為t的像素個(gè)數(shù)；G為非零像素個(gè)數(shù)。最后利用投影技術(shù)及頭部的特點(diǎn)確定人臉上下和左右邊界。由于眼部處于人臉上半部分，故只需保留圖像的3／5。

　　3 基于灰度信息的人眼定位

　　眼睛區(qū)域與周圍區(qū)域相比，具有灰度值較低且灰度變化率較大的特點(diǎn)。因此可基于眼睛圖像的灰度信息進(jìn)行定位。

　　3．1 眼睛粗略定位

　　準(zhǔn)確定位人臉后，根據(jù)面部器官分布，人眼在臉部的上半部，可以很簡(jiǎn)單的確定一個(gè)大概區(qū)域。觀察人臉圖片，發(fā)現(xiàn)眼部在水平方向經(jīng)過(guò)皮膚、左眼眼白、左眼瞳孔、左眼眼白、皮膚、右眼眼白、右眼瞳孔、右眼眼白、皮膚、灰度變化較大。在灰度變化突變處進(jìn)行微分，將產(chǎn)生高值，將其絕對(duì)值累加，則灰度變化越大的那一行，累積值越大。計(jì)算公式如下

　　f（x，y）為得到的人臉區(qū)域的灰度圖像，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，在眼睛處導(dǎo)數(shù)變化值之和的絕對(duì)值最大，通過(guò)此方法可粗略判斷人眼所在線的位置。

　　3．2 人眼精確定位

　　通過(guò)觀察發(fā)現(xiàn)眼睛周圍Cb值較高，而Cr值較低，因此由式（5）計(jì)算得到特征圖，以突出眼部特征。

　　其中，EyeMap是眼睛特征圖，都?xì)w一化到［0，255］之間，是由Cr求反得到（255，Cr）。在得到EyeMap圖后，設(shè)定閥值T，將EyeMap小于T的值設(shè)為0，這一步可視為一個(gè)簡(jiǎn)單的濾波以去掉非眼部特征的干擾。

　　得到EyeMap濾波圖后，結(jié)合人眼粗定位結(jié)果，從左到右搜索，按比例定義相對(duì)于人臉區(qū)域一定大小的框，當(dāng)框進(jìn)EyeMap濾波圖值的和最大時(shí)，即為人眼。

　　3．3 眼睛的追蹤

　　對(duì)人眼完成定位后，還要利用動(dòng)態(tài)模板匹配的方法跟蹤眼睛。設(shè)眼睛模板左上角的位置為（x，y），下一幀的搜索范圍是原位置上沿上、下、左、右4個(gè)方向各擴(kuò)展10個(gè)像素。其公式為

　　式中，N是模板中像索的個(gè)數(shù)；M為模板；I為圖像中待匹配的部分。

　　可得所有大于閾值p的最大值所對(duì)應(yīng)的坐標(biāo)為最匹配的位置。以此得到的眼睛圖像作為下一幀圖像的模板。在追蹤的過(guò)程中，若得到的p均小于閾值或兩眼的行距過(guò)大則重新回到眼睛的檢測(cè)過(guò)程。

　　4 基于Perclos的疲勞識(shí)別

　　文中的疲勞識(shí)別基于Perclos的P80模型，即將閉合程度大于80％的眼睛狀態(tài)判斷為閉合狀態(tài)。以初始時(shí)刻司機(jī)清醒時(shí)的上下眼瞼最大距離為標(biāo)準(zhǔn)，若以后得到的距離小于此距離的80％則判斷為閉合。假設(shè)實(shí)驗(yàn)視頻幀率10 f·s-1分辨率為640×480，時(shí)長(zhǎng)60s。

　　則以每6 s視頻作為1個(gè)檢測(cè)單元，間隔0．33 s取1幀作眼睛狀態(tài)檢測(cè)。統(tǒng)計(jì)每個(gè)檢測(cè)單元內(nèi)18幀圖像的狀態(tài)，得到眼睛閉合幀數(shù)CloseFr ame_Num和處理的總幀數(shù)SumFrame_Num，依據(jù)式（7）計(jì)算相應(yīng)的Perclos值。

　　如果所得Perclos值大于實(shí)驗(yàn)確定的閾值20％，則判斷此時(shí)駕駛員可能已處于疲勞狀態(tài)，通過(guò)報(bào)警系統(tǒng)進(jìn)行警告。

　　5 結(jié)束語(yǔ)

　　視頻監(jiān)控能對(duì)駕駛者進(jìn)行監(jiān)督提醒，有效預(yù)防疲勞駕駛，減少疲勞駕駛所引起的車輛事故。3G視頻監(jiān)控是車輛監(jiān)控發(fā)展的新趨勢(shì)。算法在3G監(jiān)控視頻幀的基礎(chǔ)上，進(jìn)行了人臉定位、人眼定位與追蹤及疲勞狀態(tài)判斷。實(shí)驗(yàn)表明，該算法有較高的魯棒性及準(zhǔn)確性，并能有效應(yīng)用于實(shí)際。