疲劳驾驶检测方法研究进展

基于深度学习的疲劳驾驶检测技术研究1. 内容描述随着现代交通系统的不断发展和车辆数量的日益增长，道路交通安全问题逐渐凸显，成为公众关注的焦点。

疲劳驾驶作为一种常见的危险驾驶行为，对道路交通安全构成了严重威胁。

开发一种高效、准确的疲劳驾驶检测技术具有重要的现实意义和工程价值。

基于深度学习的疲劳驾驶检测技术是一种基于计算机视觉、机器学习和深度神经网络等方法的技术手段。

该技术通过采集驾驶员的面部表情、眼部状态、头部运动等生理和行为特征数据，运用深度学习算法对这些数据进行自动分析和识别，从而判断驾驶员是否处于疲劳状态。

与传统的疲劳驾驶检测方法相比，基于深度学习的疲劳驾驶检测技术具有更高的准确性和实时性。

在具体研究中，首先需要收集大量的疲劳驾驶和正常驾驶的样本数据，并进行详细的标注和处理。

选择合适的深度学习模型（如卷积神经网络、循环神经网络等）对这些数据进行训练和学习。

通过不断地优化模型结构和参数，提高模型的泛化能力和准确性。

在实际应用中，将训练好的模型应用于车辆监控系统或驾驶辅助系统中，实现对疲劳驾驶行为的实时检测和报警。

基于深度学习的疲劳驾驶检测技术不仅可以提高道路交通安全管理水平，还可以降低交通事故的发生率，为智能交通系统的发展提供有力支持。

该技术还可以拓展应用于其他领域，如智能家居、医疗健康等，为人类的日常生活带来更多便利和安全保障。

1.1 研究背景随着社会的发展和经济的增长，汽车已经成为人们出行的主要工具。

随着汽车保有量的不断增加，道路交通安全问题日益严重。

疲劳驾驶作为其中的一个重要因素，对道路交通安全造成了极大的威胁。

疲劳驾驶是指驾驶员在长时间行驶过程中，由于生理、心理原因导致的注意力不集中、反应迟钝等现象，从而降低驾驶员对道路环境的感知能力，增加交通事故的发生概率。

研究疲劳驾驶检测技术具有重要的现实意义。

随着人工智能技术的快速发展，深度学习作为一种强大的机器学习方法，已经在图像识别、语音识别等领域取得了显著的成果。

国内外驾驶员疲劳状态监测系统综述本⽂总结了各种驾驶员疲劳状态监测系统的研究与应⽤情况以及整车⼚在售车型配备的驾驶员疲劳状态监测系统及其⼯作原理，例如梅赛德斯-奔驰Attention Assist 系统基于操纵⾏为监测驾驶员疲劳状态，丰⽥Driver Monitor 系统基于驾驶员⾯部状态和眼睛开闭频率监测驾驶员状态，福特 Driver Alert System 采⽤多维信息融合的⽅法。

驾驶员疲劳状态监测技术未来的发展趋势在⾼端车型或匹配ADAS的车型，利⽤ ADAS的硬件，基于驾驶员⾯部、眼部、头部运动等直接表征驾驶员疲劳程度的图像信号在车辆上额外增加摄像头、红外传感器等传感器，提⾼识别精度。

驾驶员疲劳状态监测技术发展历程驾驶员疲劳状态监测系统最早应⽤于飞机等⾼级辅助驾驶或⾃动驾驶程度⽐较⾼的领域，初期的驾驶员疲劳监测系统是⼀种基于⼈体疲劳时⽣理反应特征信号的监测系统。

根据使⽤信号属性不同，驾驶员疲劳状态监测系统可分为直接监测和间接监测两种。

直接监测使⽤驾驶员⾯部运动、眼部运动、⼼电、脑电等直接表征驾驶员疲劳状态的信号，与采集⼼电信号和脑电信号相⽐，采集驾驶员⾯部运动和眼部运动信号⽐较简单⽅便并且精度较⾼，所以⽬前直接监测系统中基于驾驶员⾯部运动信号和眼部运动信号的监测系统应⽤⽐较⼴泛。

间接监测则使⽤驾驶⾏为信号并结合车辆状态信号，采⽤统计分析、机器学习等⽅法分析驾驶员的状态。

⽬前该⽅法的精度虽然没有直接监测⽅法精度⾼，但不需要在车辆上额外增加任何传感器及硬件设备，不会造成车辆制造成本的增加。

因此各个整车⼚、零部件制造商和科研机构纷纷深⼊研究间接监测⽅法，并已经实现产品化。

现在直接监测⽅法和间接监测⽅法两种类型的驾驶员疲劳状态监测系统在市场上的在售车型上都有应⽤。

国外研究与应⽤情况梅赛德斯-奔驰公司 Attention Assist 和⼤众公司疲劳驾驶检测系统Attention Assist 是德系车驾驶员疲劳状态监测系统的代表，属于间接监测，如图1所⽰，它依据驾驶员驾驶⾏为、基于车辆状态参数检测驾驶员状态，例如车速、发动机转速、横摆⾓速度、侧向加速度、转向盘⾓速度和⾓加速度等及各信号的后处理参数，综合考虑以上因素进⾏分析计算得到驾驶员状态监测结果;Attention Assist 除覆盖正常⾏驶⼯况外还考虑外部⼲扰对疲劳监测的影响，例如侧风、路⾯凸起和斜坡等不均匀⼯况，使其适⽤范围更⼴、精度更⾼;AttentionAssist 有效车速区间 80～180 km/h，在监测到驾驶员疲劳时会主动报警并在仪表盘上显⽰提⽰信息，已于2011 年应⽤于梅赛德斯-奔驰 B 级车上。

基于深度学习的疲劳驾驶检测内容摘要眼睛的作用对我们不光是看见世界的窗口，也是我们表情达意的一种载体。

通过眼睛我们可以表现出多种状态，并且眼睛还具有传达感情、体现人的精神状态等功能。

譬如人困乏的时候会频繁眨眼，人精神充足时，眼睛就会更加生动。

眨眼睛的频率在一定程度上可以反映出人是否处在疲劳的状态，本文正是立足在检测眼睛睁开闭合的频度之上来判断驾驶员是否正在疲劳驾驶。

在驾驶车辆的状态下，可以排除身体因素以外影响人眨眼频率的情况，所以本文采用基于深度学习的检测眼睛开闭频率的方法来进行疲劳驾驶检测。

本文主要工作内容如下所示：（1）基于深度学习的多任务卷积神经网络（Multitask Convolutional Neural Network，后文称ｍｔｃｎｎ）的模型修改、模型训练、人脸区域检测及眼睛区域定位。

这里选择使用MTCNN，是因为它有识别率高、识别速度快的优点。

它具有三层级联卷积神经网络-Pnet、Rnet、Onet，对输入的数据层层优化精选出人脸特征，实质上是特征分类和特征回归，最终可以得到人脸区域的特征以及眼睛鼻子嘴巴的特征点，再经过非极大值抑制（NMS），来获得人脸部的。

本文在此基础上修改了MTCNN模型，使网络模型通过新级联的网络层输出得到的landmark_regress通过该层网络回归得到眼睛区域左上右下特征点的偏移量。

（2）通过上文提到的MTCNN进行改进得到人脸特征区域以及眼睛特征区域之后，裁剪眼睛特征区域图像，并输入疲劳判断CNN层中，来判断人员是否有疲劳的症状。

该层模型主要是起分类的作用，来解决眼睛睁开与眼睛闭合的二分类问题。

本文采用计算眼睛闭合再到睁开的时间与整体测试时间的百分率（Percentage of Eyelid Closure ＯｖｅｒｔｈｅＰｕｐｉｌＯｖｅｒＴｉｍｅ，下文称ｐｅｒｃｌｏｓ），来判断驾驶人员是否出现疲劳现象。

关键词：卷积神经网络；MTCNN；ＰＥＲＣＬＯＳ；疲劳驾驶绪论1.1课题研究背景及意义我们的眼睛对于我们来说是非常重要的，它不光是我们用来感知世界以及获取视觉信息的人体器官，还是我们表情达意的一种媒介，我们通过眼睛来获取接受各种外界表露的信息与资讯。

汽车驾驶员疲劳监测系统的原理和应用随着交通事故的增加和高速公路的普及，驾驶员疲劳成为导致交通事故的一个主要原因。

为了提高行车安全，汽车驾驶员疲劳监测系统被广泛研究和应用。

本文将介绍汽车驾驶员疲劳监测系统的原理和应用，并探讨其在驾驶安全领域的前景。

一、原理汽车驾驶员疲劳监测系统的核心原理是利用先进的传感技术和人工智能算法，对驾驶员的生理和行为特征进行实时监测和分析，以识别驾驶员的疲劳程度。

其主要包括以下几个方面的原理：1. 视觉监测通过摄像头或红外线传感器等设备，对驾驶员的眼睛进行持续监测，以检测驾驶员的眼睛运动情况、眨眼频率和瞳孔变化等。

疲劳驾驶时，驾驶员的眼睛活动会减少，眨眼频率下降，瞳孔会有明显的变化。

2. 身体姿态监测通过车内的加速度传感器或压力传感器等设备，对驾驶员的身体姿态进行实时监测。

当驾驶员疲劳时，身体姿态会出现明显的变化，如头部偏向、身体变得不稳定等。

3. 驾驶行为监测利用车辆的传感器和行为识别算法，对驾驶员的驾驶行为进行监测和识别。

疲劳驾驶时，驾驶员的车速会出现明显波动，转向灵活性下降，频繁变道等。

4. 生理指标监测通过心率传感器、体温传感器等设备，实时监测驾驶员的生理指标，如心率、体温等。

疲劳驾驶时，驾驶员的心率和体温会有明显的变化。

以上原理可以结合使用，综合判断驾驶员是否疲劳，从而及时发出警报或采取相应的措施，提醒驾驶员注意休息或进行安全驾驶。

二、应用汽车驾驶员疲劳监测系统的应用可分为两个方面：预警和数据分析。

1. 预警一旦疲劳监测系统检测到驾驶员出现疲劳或注意力不集中的情况，系统会自动发出警报，提醒驾驶员需要休息或采取相应的措施。

例如，系统可以通过声音、震动、闪光灯等方式，向驾驶员发出警示信号。

这样可以有效地提高驾驶员的警觉性和反应能力，从而降低事故的发生率。

2. 数据分析疲劳监测系统还可以将监测到的数据进行分析和记录，为驾驶员和交通管理部门提供宝贵的信息。

通过对大量驾驶员疲劳数据的收集和分析，可以识别出疲劳驾驶的规律和特征，为制定相关政策和措施提供依据。

机动车疲劳驾驶辨识方法研究综述摘要：本文分析了疲劳驾驶检测研究的现状，介绍了使用最为广泛的几种检测技术以及研究成果，综合分析了几种检测技术的优缺点。

认为现有检测设备成本过高，性价比过低，不利于推广应用。

开展实车实验提出合理的疲劳分级标准，发展简单无接触，并基于信息融合的检测技术将是以后疲劳驾驶检测的发展方向。

关键词：疲劳驾驶检测技术信息融合发展趋势0 引言据世界卫生组织2009年的统计数据表明，由疲劳驾驶引起的交通事故占到总交通事故的37.91%[1]。

从很多严重的交通事故发生原因来分析，其中一个很重要的原因就是，驾驶员的过度疲劳驾驶，驾驶员在疲劳的状态下，会导致精力不集中，不能很好的控制车辆行驶的速度和方向。

近些年在疲劳程度检测方面，比较成熟的方法有以下五种：①基于主观评定的检测方法；②基于生理参数检测的方法；③基于驾驶行为特征的检测；④基于车辆状态特征的检测；⑤基于信息融合的检测技术。

1 疲劳驾驶检测方法1.1 基于主观评定的检测方法主观评定法分为主观自评和主观他评，主要基于驾驶人主观感受、反应时间、面部特征等将驾驶人主观疲劳感觉进行分类量化。

主要的评价标准和方法有卡洛琳斯卡睡眠尺度表KSS （Karolinska Sleepiness Scale）、斯坦福嗜睡量表SSS（Stanford Sleepiness Scale）和视觉类比量表VAS（Visual Analogue Scales）；基于面部视频的专家评分方法，它通过一组受过训练的专家根据驾驶人的面部表情和头部姿态等特征对其疲劳状态进行评分[2]。

1.2 基于生理参数的检测方法1.2.1 基于脑电的检测（EEG）基于脑电信号检测的方法是根据观察这四种波（α波、β波、θ波、δ波）出现的数量多少或者某种波的变化来反映驾驶人的疲劳状态。

具体表现为：当驾驶员处于疲劳状态时，θ波大幅增加，α波数量增多；当驾驶员处于清醒状态时，β波出现数量增多，其他波相对减少。

驾驶员疲劳检测技术的研究现状及发展趋势李志春1,2，何仁1，林谋有2，李佩林2(1.江苏大学汽车与交通工程学院，江苏镇江 212013；2.南昌工程学院机电系,江西南昌 330099)摘要：介绍了国内外对于驾驶员疲劳状态检测技术的研究现状，并对几种具有代表性的产品进行了评述；PERCLOS是一种目前最有效的、车载、实时的驾驶疲劳测评方法；提出了驾驶疲劳状态检测研究应着重于驾驶疲劳形成机理和模型建立、疲劳状况检测及其评价方法、驾驶员疲劳报警装置的研究及应用，并实现驾驶员疲劳状态检测及预警装置商品化的研究思路。

关键词：交通运输工程；驾驶员疲劳；综述；检测技术；预警；发展趋势中图分类号：U491.2+54 文献标识码：A 文章编号：1003─188X(2006)05─0197─030 引言随着交通运输业的发展，交通事故已成为当前各国所面临的严重问题。

据不完全统计，全世界每年死于交通事故的人数约为60万，因车祸受伤的人更多，每年平均约有l000万人[1]。

在美国的重型汽车事故中，57%的灾难性事故是与驾驶员疲劳有关，它已成为事故发生的主要原因。

英国交通研究实验室(Transport Research Laboratory)认为：驾驶疲劳导致的道路交通事故占全部交通事故的10%[2]。

法国国家事故报告表明，因疲劳驾驶而发生车祸的占人身伤亡事故14.9%，占死亡事故的20.6%[3]。

澳大利亚每年由于交通事故的花费约为75亿美元。

其中，将近15亿是直接由于驾驶员疲劳而导致的。

我国交通事故呈现逐年上升的趋势，1999年我国发生道路交通事故412860起，致伤286080人，死亡83529人，造成直接经济损失21.24亿元[4]。

因此，各国研究人员都在努力开发出一个能实时监视驾驶员警觉水平，并在任何不安全状态下能对驾驶员进行预警的系统。

1 驾驶疲劳检测技术研究现状1.1 国外研究状况早期的驾驶疲劳测评主要是从医学角度出发，借助医疗器件进行。

驾驶员疲劳驾驶预防策略的研究进展驾驶员疲劳驾驶是一种常见的交通安全隐患，严重危害着道路交通的安全。

为了解决这一问题，许多研究人员和科学家开始专注于疲劳驾驶预防策略的研究。

本文将介绍一些目前已取得进展的研究成果，并探讨它们在实际应用中的效果和潜力。

一、认识疲劳驾驶的危害车辆事故中有相当一部分是由于司机疲劳导致的，这导致了许多不幸事件发生。

长时间驾驶导致注意力分散、反应能力下降、判断失误以及意识模糊等问题，使得司机容易发生接触事故、偏离行车道或者追尾等错误判断操作。

而且，疲劳驾驶也会导致司机注意力不集中、昏睡甚至昏迷，因此不容小觑。

二、前沿技术在疲劳驾驶监测与警示中的应用1. 视频监控系统视频监控系统通过使用摄像头对司机进行实时拍摄，通过目标检测和分析技术来判断司机是否存在疲劳的行为。

例如，当系统检测到司机频繁闭眼、张嘴、低头或呵欠时，会自动发出警报，提醒司机注意休息。

这种技术在很大程度上可以减少由于驾驶员疲劳造成的交通事故。

2. 生理信号监测装置电极贴附在司机身体上，通过监测生物信号如心率、皮肤温度以及呼吸频率等变化情况，来评估驾驶员的疲劳状态。

一旦检测到异常变化，如心率过快或过慢等，系统将向司机发出警报提示。

3. 头部姿态检测技术这种技术利用特殊相机对驾驶员头部姿势进行实时监控。

当系统发现驾驶员头部偏离中央位置或者过于倾斜时，将发出提醒声音或震动触感反馈以确保其恢复正常姿态。

这使得司机能够更好地集中注意力并保持清醒状态。

三、改善行车环境以减轻疲劳驾驶1. 音乐与声音提示各种类型的音乐和声音可以帮助司机保持清醒和集中注意力。

例如，嗓音低沉而柔和的声音有助于减少疲劳感，而警报声、红绿灯提示音等可以提醒司机时刻保持警觉。

2. 空调系统的运用舒适的温度可以使司机保持愉悦和清醒。

在夏季，合适的清凉气温能让司机防止因闷热引起的昏昏欲睡，而在冬季，则需要恰当地调整供暖系统以确保温暖舒适。

四、科技产品在消除疲劳驾驶方面发挥作用1. 智能手环或手表这些可穿戴设备能够监测司机身体活动情况，通过收集数据来检测疲劳驾驶征兆。

汽车行业的驾驶员监控与疲劳检测随着汽车行业的快速发展和科技的进步，人们对驾驶安全性的要求也越来越高。

为了保障驾驶员和乘客的安全，驾驶员监控系统和疲劳检测成为了汽车行业的重要议题。

本文将重点讨论汽车行业中的驾驶员监控与疲劳检测技术，包括其原理、应用和前景。

一、驾驶员监控技术随着科技的飞速发展，驾驶员监控技术已经取得了显著的进展。

这些技术基于人工智能和计算机视觉等领域的研究成果，可以对驾驶员的行为和状态进行实时监测。

1. 面部识别技术面部识别技术是一种通过分析驾驶员的面部表情和动作来判断其疲劳程度和注意力集中度的技术。

该技术可以利用摄像头收集驾驶员的面部图像，并经过算法分析，判断出驾驶员的表情和动作是否正常。

如果驾驶员出现疲劳或分心的情况，系统会及时发出警示，提醒驾驶员注意安全。

2. 瞳孔识别技术瞳孔识别技术是一种通过检测驾驶员瞳孔的大小和反应速度来判断其疲劳程度的技术。

该技术利用红外光源和红外摄像头，可以精确地检测出驾驶员瞳孔的变化。

当驾驶员疲劳时，瞳孔会出现缩小和反应迟钝的情况，系统就会进行相应的警示。

3. 声音识别技术声音识别技术是一种通过分析驾驶员的语音特征来判断其疲劳程度和情绪状态的技术。

该技术可以利用车载麦克风收集驾驶员的语音数据，并通过语音识别算法进行分析。

当驾驶员的语音特征表明其疲劳或情绪不稳定时，系统会发出警报。

二、疲劳检测技术疲劳驾驶是导致交通事故的重要原因之一，因此研究和应用疲劳检测技术对于提高驾驶安全性具有重要意义。

1. 生理信号检测技术生理信号检测技术通过收集驾驶员的生理信号，如心率、血压和皮肤电阻等，来判断其疲劳程度。

这些生理信号可以利用传感器实时采集，并通过算法进行分析和判断。

当生理信号表明驾驶员疲劳时，系统会提醒驾驶员休息或进行其他安全措施。

2. 车辆操作行为检测技术车辆操作行为检测技术是一种通过分析驾驶员的驾驶行为来判断其疲劳情况的技术。

该技术可以利用车载传感器和行为识别算法，对驾驶员的车辆操作行为进行实时监测。

疲劳驾驶实时监测系统的研究与实现背景在智能化技术迅猛发展的今天，汽车驾驶也在朝着智能化、安全化的方向发展，对驾驶员疲劳状态的检测是汽车智能辅助驾驶的关键技术。

本课题主要实现驾驶员脸部状态的监测、跟踪及疲劳的判定，为安全驾驶车辆提供保障。

人脸是区别人的重要部分之一，在日常生活中，人类对人的识别主要是依靠人脸，通过人脸人们可以得到很多信息，如年龄、性别、情感等等。

通过识别人脸特征点，人类可以很轻松的判断一个人是否处于疲劳状态。

即使在不同角度、不同光照、不同远近、甚至人脸的部分被遮挡，如佩戴眼镜等条件下仍能对人脸做出正确迅速的识别。

据一般估计，人在一生中大概可以记住上千个人脸。

由于人脸在日常生活中的特殊作用，对人脸的研究一直是学者们研究的焦点，近年来，微电子技术的迅猛发展给人脸研究注入了新的活力，人们正试图摆脱计算机，将人脸识别引入到日益小型化的嵌入式系统中。

疲劳驾驶是造成交通事故的主要原因之一。

据美国国家高速公路交通安全部（NHTSA）报告，2000年美国国内仅由于驾驶员注意力不集中、疲劳、缺少睡眠等原因造成的死亡约有4700人。

驾驶员疲劳或困倦状态是1979～1994年间法国高速公路上30%交通事故的起因。

据我国公安部提供的资料显示，2002 年1月至11月全国道路运输行业共发生了一次死亡30人以下、10人以上的重大道路交通事故27起。

在这27 起重大交通事故中，有19起的直接或间接诱发因素是疲劳驾驶。

表1.1是近年来我国道路交通事故发生的统计数据。

表1.1 我国道路交通事故统计表年份事故次数直接损失（亿元）死亡人数受伤人数10万人口死亡率2000 616971 26.7 83853 418721 7.32001 754919 30.9 105930 546485 8.52002 773137 33.2 109381 562116 13.72003 667507 33.7 104372 494174 10.82004 517889 23.9 107077 480864 9.92005 450254 18.8 98738 469911 7.6 由于超长时间驾驶、夜间驾驶、或缺少睡眠等原因，驾驶员在驾驶时会出现疲劳或困倦的状态。

基于DVS1608的轨道车辆疲劳评估方法研究随着交通运输的快速发展，道路交通事故的发生频率也在不断增加。

其中，车辆驾驶员的疲劳驾驶是一大危险因素。

为了提高道路交通安全性，疲劳评估方法成为了一项重要的研究课题。

本文将基于DVS1608这一轨道车辆进行疲劳评估方法的研究，以期能够提高驾驶员的行车安全性。

首先，我们需要了解疲劳驾驶的特点。

疲劳驾驶是指驾驶员在长时间、连续驾驶过程中出现的疲劳现象，会导致注意力不集中、反应能力下降等不良影响。

因此，我们需要找到一种准确的疲劳评估方法，能够早期发现驾驶员的疲劳现象并采取相应的措施。

1.数据采集：首先，我们需要通过DVS1608对驾驶员的面部进行实时监测，获取其眼睛和脸部的运动轨迹数据。

同时，还可以获取驾驶车辆的速度、加速度等相关数据。

这些数据将有助于评估驾驶员的疲劳程度。

2.特征提取：通过对采集到的数据进行信号处理，可以提取出一些能够准确反映驾驶员疲劳程度的特征。

比如，可以通过分析眼睛的运动轨迹数据，计算眨眼频率、瞳孔直径等指标，来评估驾驶员的注意力和反应能力。

3.模型建立：基于提取的特征，可以建立一个疲劳评估的数学模型。

可以使用机器学习的方法，如支持向量机、神经网络等，通过训练数据集来构建一个能够准确评估驾驶员疲劳程度的模型。

4.疲劳预警：在模型建立完成后，通过实时监测驾驶员的眼睛运动轨迹数据，将其输入到建立的模型中进行预测。

当模型预测出驾驶员的疲劳程度超过一定阈值时，系统将提醒驾驶员采取休息措施，以防止疲劳驾驶导致的危险事故发生。

总之，基于DVS1608的轨道车辆疲劳评估方法研究是一项有挑战性的工作。

通过数据采集、特征提取、模型建立和疲劳预警，能够实现对驾驶员疲劳程度的准确评估，提高驾驶员的行车安全性。

疲劳驾驶检测系统的研究在当今的我国,汽车制造行业的发展迅速,中国马路的数量也正日益增加,同时当今中国马路建设规模正不断扩大,汽车已经逐渐的成为我们整个人类日常生活的一种必需交通工具,但是每一起交通事故的频繁发生率也都是在不断地增加。

有关资料统计,在不同情况下的交通事故中,因为司机疲劳或者驾驶而导致事件发生的比例甚至竟高达25%~30%。

疲劳驾驶检测的研究对未来减少因疲劳驾驶而引起的交通事故有着非常重要的作用。

为了研究更为精确的疲劳驾驶检测系统，我在已有的系统程序上进行改进。

我采用了DMS系统。

DMS在数据库管理领域，它是一种集合了操纵与管理数据库的大型软件，在这个系统上对采集到的数据进行分析处理，可以保证数据库的安全性与完整性。

通过这个系统我们可以同时进行多个检测程序，就可以实现在人脸检测的同时，对人脸检测的结果上再次进行人眼检测，这样可以使检测的效率得到大幅度提升，并且实现实时监测。

改进后采用的方法是：首先通过挖掘一个人在疲劳状态下的各种表情特征,然后将这些具有确定性的表情特征数据进行计算和量化,提取得到的面部特征节点及其他特征指标,并作为判断的依据,再结合实验数据总结出基于这些参数的识别方法，最后输入获取到的状态数据进行识别和判断。

通过一个专门针对汽车驾驶员的近红外摄像头传感器来实时地监测驾驶员的头部、眼部、面部、等多个细节,可以从驾驶员的眼睛闭合、眨巴、凝视方向、打哈欠和观察汽车的运动等角度等检测驾驶员的状态。

通过检查人脸、眼睛和其他各种脸部的特征以及行为,提取出驾驶员的状态，来判断驾驶员是否疲劳、分神或者不规范驾驶。

我选取的是900nm近距离的红外LED灯珠,是因为该系统需要它能够适应在全部的工况条件和情况下(其中一些情况包括白天、夜晚、顺光、逆光等)工作,能适应各种光源环境,即使在条件苛刻的在夜间、逆光等情况下,也能提供高品质的拍摄效果,为之后的检测提供保障。

同时在汽车中驾驶员随身携带的帽子、眼镜、墨镜、口罩等特殊情况下,由于其红外线特性使得它们可以直接穿透到墨镜的影像器和镜片上,被遮蔽的眼睛和信息也有可能正常进行成像,很好地缓解了汽车中驾驶员的眼镜会出现反光或者是携带墨镜的问题。