论文总字数：18430字

摘 要

疲劳驾驶已经成了一个非常常见的交通事故发生原因。疲劳驾驶的行为严重的侵犯了人们的生命健康财产安全。为了敦促驾驶员减少疲劳驾驶的行为，基于眼部特征的疲劳驾驶检测系统的开发便有了相当大应用价值。

本文中的系统通过眼部特征中的眨眼频率，以及单位时间内眯眼时长来判断驾驶员当前所处状态，使用dlib库来提取68个人脸轮廓点，进而计算人眼纵横比，通过人眼纵横比来生成眨眼和眯眼特征。主要完成的工作有：

（1）驾驶员身份认证模块。认证驾驶员信息，为每个驾驶员保存具有个体差异的参数。

（2）个人特征录入模块。提供录入个人精神饱满状态下眼部特征的功能，使疲劳检测系统更为准确。

（3）历史眼部特征模块。提供保存驾驶员精神饱满时的眼部特征的功能，便于多次使用。

（4）人脸特征点标注模块。通过dlib库来标定人脸68个特征点。

（5）眨眼检测模块。可以根据人眼纵横比以及生成的眨眼特征，依靠单位时间内眨眼频率来判断驾驶员是否正处于疲劳驾驶状态。

（6）眯眼检测模块。通过对比眯眼时眼部纵横比与历史眼部特征模块保存的精神饱满时的眼部纵横比，生成眯眼特征，通过统计单位时间内眯眼的时长来判断驾驶员当前是否正处于疲劳状态。

（7）驾驶状态记录模块。记录对驾驶员给出警示信息后，到驾驶员实际停止驾驶行为的用时，以备后续开发使用。

关键词：眼部特征；疲劳检测；人脸特征点；dlib

Abstract

Fatigue driving has become a very common cause of traffic accidents. Fatigue driving behavior seriously violates people's life, health and property safety. In order to urge drivers to reduce fatigue driving behavior, the development of fatigue driving detection system based on eye features has considerable application value.

The system in this paper judges the driver's current state by the blink frequency in eye features and the squint time in unit time, extracts 68 face feature points using dlib library, and then calculates the aspect ratio of human eyes, and generates blink and squint features by the aspect ratio of human eyes. The main tasks are as follows:

(1) Driver authentication module. The driver information is authenticated, and parameters with individual differences are saved for each driver.

(2) Personal characteristics entry module. Provide the function of inputting the eye features under the condition of individual's full of energy, so as to make the fatigue detection system more accurate.

(3) History eye feature module. It provides the function of saving the eye features when the driver is full of energy, which is convenient for multiple use.

(4) Face feature point annotation module. 68 feature points of human face are calibrated by dlib.

(5) Blink detection module. According to the aspect ratio of human eyes and the characteristics of blinking, the frequency of blinking per unit time can be used to judge whether the driver is in the state of fatigue driving.

(6) Squint detection module. By comparing the aspect ratio of the eyes when squinting with the aspect ratio of the eyes when they are full of spirit saved by the historical eye feature module, the squint features are generated, and the time length of squint per unit time is calculated to determine whether the driver is currently in a state of fatigue.

(7) Driving status recording module. After the warning information is given to the driver, the time when the driver actually stops driving shall be recorded for future development and use.

Key Words：Eye features; Fatigue test; Facial feature points; dlib

目 录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.3 设计内容 2

1.4 论文章节安排 2

第2章 需求分析 4

2.1 系统流程分析 4

2.2 功能需求分析 4

2.3 可行性分析 4

第3章 系统总体设计 6

3.1 系统概述 6

3.2 系统功能设计 6

3.2.1驾驶员身份认证模块 6

3.2.2 个人特征录入模块 6

3.2.3 历史眼部特征模块 6

3.2.4 人脸特征点标注模块 7

3.2.5 眨眼检测模块 7

3.2.6 眯眼检测模块 7

3.2.7 驾驶状态记录模块 7

第4章 系统详细设计 8

4.1 主要算法 8

4.2 环境配置 9

4.3 功能模块设计 9

4.3.1 驾驶员身份认证模块设计 9

4.3.2 个人特征录入模块设计 10

4.3.3 历史眼部特征模块设计 10

4.3.4 人脸特征点标注模块设计 11

4.3.5 眨眼检测模块设计 11

4.3.6 眯眼检测模块设计 11

4.3.7 驾驶状态记录模块设计 11

第5章 系统测试和运行结果 12

5.1 驾驶员身份验证模块测试 12

5.2 账号登录测试 12

5.3 账号注册测试 13

5.4 个人特征录入模块测试 13

5.5 历史眼部特征模块测试 15

5.6 人脸特征点标注模块测试 16

5.7 眨眼检测及眯眼检测模块测试 17

5.8 驾驶状态记录模块测试 19

5.9 程序整体运行结果 19

第6章 结论 20

6.1 研究总结 20

6.2 优缺点分析 20

6.3 未来展望 21

参考文献 22

致谢 23

第1章 绪论

1.1 研究背景与意义

近年来，越来越多的道路交通事故已称为了严重威胁人们生命财产安全的社会问题。而在这之中，依照国家统计局统计，起因是疲劳驾驶的交通事故已经有总数的两成左右，并且起因是疲劳驾驶的严重交通事故占据了总数四成以上。这可以说明疲劳驾驶已经成为了一种相当常见的造成交通事故的起因。因此，在当驾驶员驾驶车辆时，及时的判断驾驶员是否处于疲劳状态，并在发现疲劳状态时给出预警信息，是一个相当有意义的课题。

目前，疲劳驾驶检测的方法有几类。在基于生理学的疲劳检测方法中^[1]，可以通过采集一系列驾驶员的生理信号例如心率、肌电、呼吸深度、呼吸频率^[2]等等，来提取出生理特征值，以此来进行疲劳监测。虽然一般情况下，基于驾驶员生理上的特征来进行检测有着较高的精准度，但是这种方法可能会给驾驶员带来不适感，严重时可能影响驾驶员对于车辆的正常控制。基于图像识别的检测方法，尽管准确度可能不如基于生理学方法检测疲劳状态的准确度高，但其不会使驾驶员产生不适。基于图像识别的疲劳检测系统一般通过对人脸特征进行识别，分析眨眼频率，眼部开合程度，打哈欠等行为来进行疲劳检测^[3]。

本文中的基于眼部特征的疲劳监测系统，是一个可以通过眨眼频率，眼部开合程度来实时监测驾驶员的疲劳状况的系统。它的基本原理是通过对人脸进行图像识别，分辨出眼部特征点，结合疲劳监测算法，通过对眨眼频率，眼部开合程度的数据的分析，从而实时判断驾驶员疲劳状态。通过让驾驶员及时的得知自己的当前状态，得知继续驾驶的风险性，来减少疲劳驾驶行为。由于疲劳驾驶行为是一种相当常见的造成交通事故的原因，因此该系统有着相当大的应用价值。

请支付后下载全文，论文总字数：18430字