Matlab疲劳监测系统：基于灰度积分投影和Perclos技术的眼睛定位与疲劳评估

Matlab疲劳监测系统 本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。 2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。 首先通过图像预处理技术得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,通过perclos技术技术眨眼率，根据先验值得到是否疲劳。

屏幕前的你一定遇到过这种情况：深夜赶代码时眼皮打架，开车长途时频频点头，这时候要是能有个自动监测疲劳的系统该多好。今天咱们就聊聊用Matlab打造这样一个神奇的眼睛守卫者，核心就靠两个看家本领——灰度积分投影和PERCLOS技术。

先看段硬核代码开开胃：

% 视频帧预处理三板斧 videoReader = VideoReader('test.mp4'); frame = readFrame(videoReader); grayFrame = rgb2gray(frame); adjustedFrame = histeq(grayFrame);

这三行代码完成了从视频流抓帧到灰度处理的全流程。histeq直方图均衡化是个好东西，能把光照不均的脸部图像调得明暗分明，就像给画面加了盏补光灯。试过就知道，没这步处理的眼睛定位效果简直灾难。

定位眼睛的玄机藏在投影曲线里。先来水平方向大扫描：

horizontalProjection = sum(adjustedFrame, 2); [~, eyeRow] = findpeaks(-horizontalProjection, 'NPeaks', 2);

sum函数沿着列方向求和，得到的水平投影曲线就像地形图。眼睛区域因为颜色较深会形成波谷，findpeaks找负峰值相当于在波谷位置下锚。不过要注意，这里取前两个波谷对应双眼位置，实际应用中得加个间距校验防止误判。

Matlab疲劳监测系统 本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。 2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。 首先通过图像预处理技术得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,通过perclos技术技术眨眼率，根据先验值得到是否疲劳。

垂直投影更刺激：

roi = adjustedFrame(eyeRow(1)-10:eyeRow(1)+10, :); verticalProjection = sum(roi, 1); [~, eyeCenters] = findpeaks(-verticalProjection, 'NPeaks', 2);

在水平定位的基础上截取眼部ROI区域，垂直方向求和后的波形会呈现两个凹陷——这就是虹膜的藏身之处。有意思的是，代码里+/-10像素的截取范围不是拍脑袋定的，实测发现这个缓冲区间能兼容大多数人脸尺寸。

重头戏PERCLOS算法登场：

function fatigueState = checkPERCLOS(eyeOpenness, fps) persistent eyeState counter; if isempty(eyeState) eyeState = 1; % 1-睁开 0-闭合 counter = 0; end threshold = 0.3 * fps; % 30%时间闭眼 if eyeOpenness < 0.5 && eyeState == 1 eyeState = 0; counter = counter + 1; elseif eyeOpenness >= 0.5 && eyeState == 0 eyeState = 1; end fatigueState = (counter / fps) > threshold; end

这个状态机藏着三个心机：用persistent变量保持状态记忆，0.5的睁闭阈值过滤微小抖动，30%的时间占比阈值参考了航空领域标准。注意threshold乘以fps是把百分比转换成实际帧数，这样算法就能自适应不同帧率的视频源。

实测中发现几个坑得提醒：第一，人脸检测最好放在最前面当守门员，避免对空气找眼睛；第二，眨眼时上下眼皮会形成多个波谷，这时候要取最深的那个；第三，PERCLOS计算窗口别太长，15秒左右的数据滚动更新最合适。当然，光照突变还是老大难问题，可以试试自适应灰度变换来缓解。

最后放个效果验证彩蛋：

subplot(2,2,1); imshow(frame); title('原始图像'); subplot(2,2,2); imshow(adjustedFrame); title('预处理后'); subplot(2,2,3); plot(horizontalProjection); title('水平投影'); subplot(2,2,4); plot(verticalProjection); title('垂直投影');

四宫格一摆，哪步出问题一目了然。曾经有个案例，垂直投影曲线突然出现三个波谷，查了半天发现是测试者戴了反光眼镜——你看，算法还能兼职检测配饰是否合格呢。