随着汽车智能化的发展，对于驾驶行为的研究逐步受到人们的关注。司机疲劳驾驶是造成严重交通事故的重要原因，驾驶员的情绪是影响驾驶安全与舒适度的重要因素。不良情绪和疲劳都可以被面部表情检测所获取，利用计算机视觉技术对驾驶员的脸部图像进行识别与分析，能够有效地辨认出驾驶员的驾驶行为状况。
面部表情检测是计算机视觉中非常重要的课题,在人机交互、心理医疗、健康看护及智能驾驶领域中都用广泛应用。其中在驾驶行为研究领域，总所周知疲劳驾驶对行车安全构成了极大的威胁，当前汽车厂商往往通过对行车时间的计算或者对车辆的运动状态进行分析来进行警示，存在着适应性差、准确率低等问题。所以基于对驾驶员面部表情这一本身特征分析驾驶疲劳等行为的监测方法研究成为热点方向。[1]
- 在疲劳驾驶检测方面
司机疲劳驾驶是造成严重交通事故的重要原因之一。利用计算机视觉技术对驾驶员的脸部图像进行识别与分析，能够有效地识别出驾驶员的疲劳状况。这种方法是无接触的，精度高，实时性好。通过对驾驶员的疲劳状况进行监控，运用数字图像、视频处理等技术和人脸识别算法提取驾驶员面部区域特征进行分析，发现疲劳时及时报警和介入，对保障司机和行人的生命安全具有重要的作用。
- 在不良情绪检测方面
驾驶会影响驾驶员的情绪表达，特别是在拥挤路段，故驾驶汽车是是一个复杂的认知过程。在此过程中，驾驶员要就视觉提示进行危险评价、决策、策略计划等方面的动态响应时，需要消耗驾驶员的大量的认知能力，这些都导致情绪变化。基于面部表情检测情绪识别的进展，能评价和检测驾驶任务的执行情况，随着汽车行业对改善驾车体验的更高追求，这必将成为探索的热门领域。
gFace 面部表情检测系统，由美国 GAZETECH开发，可以自动分析被测试者的面部表情，支持实时记录观察，也允许导入视频进行分析。系统包含基本情绪种类如高兴，愤怒，惊讶，害怕，悲伤，厌恶，轻蔑，以及积极或消极等高级情绪。
面部特征点数量共34个，面部特征点种类识别包括眼睛、眉毛、额头、鼻子、嘴唇、下巴等多个面部器官的共34个。还有头部行为识别包括双眼距离，头部动作和计算头部的三维转动度数。数据存储与通讯方面，支持本地数据存储EXCEL格式；支持 TCP/P数据实时实时输出；数据还可以在D-LAB软件中与其他多模态数据同步采集、同步分析。
司机的疲劳状况和情绪失控已经被认为是一个影响安全的重要要素。随着智能车辆的迅速发展，对驾驶员和车辆之间的互动和协同进行了新的需求。面部表情对驾驶员来说是表达情感的有力渠道。面部表情检测和驾驶行为研究主要是将行为信息与面部表情等信息结合起来，最后得出驾驶员的行为状况和情绪。此类研究的深入在加固交通安全的同时，基于数据分析助力智能驾驶更脚踏实地。
如需获取相关解决方案，欢迎致电4006-111-556详询！
参考文献
[1]申海洋,笪诚.基于机器视觉的疲劳驾驶监测算法研究[J].蚌埠学院学报,2022,11(05):61-66.DOI:10.13900/j.cnki.jbc.2022.05.021.
