因夜間疲勞駕駛引發的交通事故逐漸增多，為此下面文章在這個基礎上設計了適用于在夜間監測駕駛員是否處于疲勞狀態的系統。主要原理是利用OPENCV軟件對得到的紅外圖像進行人臉的檢測與識別，得到人臉的紅外圖像，從而判斷駕駛員是否處于疲勞狀態，如果處于疲勞狀態的情況下，系統就會報警提醒駕駛員注意采取措施，如果駕駛員并不處于駕駛疲勞的狀態，那么監測系統將繼續檢測。

　　關鍵詞：紅外圖像,疲勞駕駛,人臉檢測,灰度化,二值化,疲勞狀態判定

　　隨著汽車交通運輸業的快速發展，我國機動車的保有量不斷的上升，交通安全事故發生越來越嚴重，交通安全問題已然成為一個嚴重的社會問題。交通事故的發生給我國國家人民生命財產安全和國家財產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的交通事故越來越多，而夜間是疲勞駕駛的高發時段。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。紅外成像系統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，這種系統使依靠目標和背景的輻射差產生的景物圖像。

　　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。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，將得到的個數與判定駕駛員駕駛疲勞時人眼瞳孔中黑色像素的個數相比較，如果大于設定的個數那么就可以判斷駕駛員處于疲勞駕駛狀態。

　　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。

　　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，這種方法相對來說簡單易實現。對于拍攝到的紅外圖像借助OpenCV進行人臉識別。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，當其中個數趨向于無窮時，強分類器的出錯率將趨于零。

　　本系統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)通過選取適當的閾值將256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

　　借助OpenCV檢查已經二值化的圖像中人眼瞳孔的黑色像素個數，如果黑色像素個數大于已經設定好了的疲勞狀態下人眼瞳孔中黑色像素個數的話那么系統將會判斷駕駛員現在處于疲勞狀態，那么系統將會發出警告，提醒駕駛員及時采取相對應的措施以保證駕駛安全。如果黑色像素個數不大于已經設定好了的疲勞狀態下人眼瞳孔中黑色像素個數的話那么系統將繼續檢測。交通事故頻繁發生的主要原因之一是駕駛員的疲勞駕駛。基于機器視覺的夜間駕駛員疲勞檢測現在已經成為了目前國家上正在展開研究開發的一種新型駕駛員駕駛疲勞的檢測方法。

　　以上文章是基于紅外圖像下夜間駕駛員疲勞檢測系統研究。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進行判斷，以此來檢測駕駛員是否處于疲勞駕駛狀態。

　　相關范文閱讀：刑法論叢刑法界定危險駕駛犯罪行為

　　危險駕駛犯罪行為在刑法上應作廣義理解，是否應當以交通肇事罪進行規范評價需要區別對待，特殊情形的完全昏醉和作為原因自由行為的危險駕駛不屬于交通肇事罪的范疇。