1. 研究目的与意义（文献综述）

中国作为人口大国，汽车销量在最近几年也遥遥领先，根据1月11日公安部交通管理局官方发布的最新统计数据，2018年全国新注册登记机动车3172万辆，机动车保有量已达3.27亿辆，其中汽车2.4亿辆，小型载客汽车首次突破2亿辆；机动车驾驶人达4.09亿人，其中汽车驾驶人3.69亿人。在如此之大的驾驶人口基数上，交通事故的分析预防也成为越来越重要的问题。美国汽车交通安全基金会的一项调查表明：疲劳驾驶在美国的交通事故死亡事件中占据21%的比例，可见疲劳驾驶占交通事故的比例是非常之高。我国《道路交通安全法》第22条也有规定：“过度疲劳影响安全驾驶的，不得驾驶机动车”。由此可见，如何检测驾驶员的疲劳状态以避免潜在交通事故的发生，是一个关系到国民交通出行安全的重大课题。

然而在实际操作上，界定疲劳驾驶状态的标准往往难以确定，《道路交通安全法实施条例》第六十二条写有：连续驾驶机动车超过4小时，中途未停车休息或者停车休息时间少于20分钟的就算疲劳驾驶，但是实际上集中力强的司机可以保持超过4小时的正常驾驶时间，也有一些生活不规律或休息不足的司机开始驾驶时就处于疲劳状态。所以说，定义疲劳驾驶的关键在于司机自身处于何种驾驶状态，要监测司机的驾驶状态有很多观察指标可以选择，这也是驾驶员疲劳状态监测理论和应用发展中各个分支之间的区别。

驾驶员的驾驶行为涉及到因三个方面的因素：驾驶员的一系列操作动作；对驾驶交通环境的认知；以及结合前两者的判断反应速度。环境信息的捕捉是驾驶行为中的关键一环，这需要驾驶员注意力的高度集中。所以在安全驾驶概念中，对驾驶员注意力集中情况的检测成为一个关键的问题，各种相关研究也是围绕这一点展开的。

2. 研究的基本内容与方案

（1）研究基本内容：

驾驶人员疲劳状态监测的图像方法是基于人脸检测的。人脸识别技术主要包含了四个方面的内容：face detection（从一张图片中定位人脸的位置）、alignment（定位人脸上的特征点）、verification（人脸校验，判断两个人脸是否匹配同一个主人）以及identification(也作recognization指的是就给定的某一张人脸，从人脸库中检索它相应的匹配对象)。很显然驾驶员状态监测技术中并不需要对驾驶员身份进行验证，所以需要用到的技术只有face detection以及alignment两大块，前者用于定位驾驶员的脸部位置，后者用于进一步定位驾驶员五官的位置以便获取最初的的状态信息^[10]。

通过不同的思路来监测驾驶员的疲劳状态，不外乎是特征的采集对象有所不同，相应的理论框架都是固定的，分析特征并判断特征得出结论是最终的目的。特征分析的方法可以大致分为三类：其一，数学模型法，该类方法普适性不强，一个模型往往只在特定条件下有效，所以实际应用中并不普遍；其二，规则主导型方法，类似人工智能中的专家系统，相比第一种方法灵活了许多；然而现在使用最多的分析工具还是第三类，机器学习型方法，通过数据对系统进行训练，这类策略可以分为浅层模型和深度模型，浅层模型包括svm等分类器，深层模型比如有各种人工神经网络^{[9, 15, 16]}，本研究将各介绍其中比较常用的两种方法，分别是支持向量机（svm）^[17-20]和卷积神经网络（cnn）^[21-25]。对这些方法有了深入了解之后，本研究将对比它们对驾驶人员疲劳状态的判断精度和判断效率。

3. 研究计划与安排

第1-2周：查阅相关文献资料，明确研究内容，提出设计思路和内容，确定方案，完成开题报告和外文翻译。

第3-5周：分析驾驶人员的疲劳分类，总结各种提取脸部、嘴、眼睛等算法。

第6-10周：相应算法在驾驶人员疲劳监测的应用和算法调试；

4. 参考文献（12篇以上）

[1] clarke sr j r, clarke p m. sleep detection and driver alertapparatus [m]. google patents. 1997.

[2] lee b-g, lee b-l, chung w-y. mobile healthcare for automaticdriving sleep-onset detection using wavelet-based eeg and respiration signals[j]. sensors, 2014, 14(10): 17915-36.

[3] kahlon m, ganesan s. driver drowsiness detection system based onbinary eyes image data; proceedings of the 2018 ieee international conferenceon electro/information technology (eit), f, 2018 [c]. ieee.