第３８卷第４期学报Ｎｏ.４Ｖｏｌ.３８２０２３年４月ＪｏｕｒｎａｌｏｆＬｅｓｈａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＡｐｒ.，２０２３ＤＯＩ：１０．１６０６９／ｊ．ｃｎｋｉ．５１－１６１０／ｇ４．２０２３．０４．００９基于ＺＹＮＱＭＰＳＯＣ的驾驶员面部疲劳检测设计雷小英ａ，肖顺文ｂ※，王涌ｂ，吴静瑜ｂ，王睿ａ（西华师范大学ａ．物理与天文学院；ｂ．电子信息工程学院，四川南充６３７００９）摘要：针对驾驶员疲劳驾驶车辆易致重大交通事故，设计了基于驾驶员面部特征疲劳检测系统。在ＺＹＮＱ平台下，利用ＯＶ５６４０摄像头进行图像采集，在ＰＬ端进行图像处理，在ＰＳ端的ＡＲＭ中显示图像。ＯｐｅｎＣＶ调用训练的人脸分类器进行人脸检测，通过分类器得到人脸图像，再由三庭五眼的特征分割出眼睛和嘴巴区域，后对分割后的图像进行图像阈值化处理和膨胀得到眼睛和嘴巴的大致轮廓。通过对分割后的眼睛和嘴巴的外接矩形的宽长比进行计算，结合ＰＥＲＣＬＯＳ算法、眨眼及打哈欠频率快速侦察驾驶员是否出现疲劳。在实验室模拟驾驶环境进行测试，该系统能实时准确检测到驾驶员面部疲劳状态。关键词：疲劳检测；ＺＹＮＱ；ＯｐｅｎＣＶ；ＰＥＲＣＬＯＳ中图分类号：ＴＮ０２文献标志码：Ａ文章编号：１００９－８６６６（２０２３）０４－００５０－０７收稿日期：２０２２－０５－１２基金项目：校科研创新团队基金项目（ＣＸＴＤ２０１７－８）；校英才科研基金项目（１７ＹＣ０５５）作者简介：雷小英（１９９７—），女，四川宜宾人，西华师范大学硕士研究生，研究方向：软件无线电、ＥＤＡ技术及ＳＯＰＣ技术。※通信作者：肖顺文（１９７０—），男，四川金堂人，教授，硕士，主要从事软件无线电、ＥＤＡ技术研究。Ｅ－ｍａｉｌ：ｘｉａｏｓｈｗ＠１６３．ｃｏｍ０引言据大数据统计，驾驶员疲劳驾驶导致的交通事故占２１％以上。为减少这类交通事故，研究及时判断驾驶员是否产生疲劳的检测系统就尤其重要［１］。目前针对驾驶员是否疲劳的判别检测方式主要有三种：一是检测驾驶员生理参数，二是检测车辆行为特征，三是检测驾驶员面部特征［２］。第一种是监测驾驶员的心、脑、呼吸等参数变化［３］，从而判断驾驶员是否处于疲劳状态。虽数据较准确，但仪器繁琐会对驾驶员造成压力，反而影响安全行车。第二种是监测车辆的摇摆程度，手对方向盘的压力变化等来判断驾驶员的精神状态，但此法缺乏对道路环境的考虑和忽略了驾驶员...
