基于开源3D眼动追踪与YOLO的疲劳监测系统：从硬件搭建到代码实现
基于开源3D眼动追踪与YOLO的疲劳监测系统：从硬件搭建到代码实现
摘要
驾驶员疲劳驾驶已成为道路交通安全的主要威胁之一。本文基于GitHub开源项目3DTracker（Jason Orlosky等人开发的低成本3D眼动追踪系统）和现有的YOLO疲劳监测框架，设计并实现了一套完整的3D眼动追踪与疲劳监测系统。系统采用MediaPipe FaceMesh进行实时人脸关键点检测与3D头部姿态估计，结合PERCLOS（眼睑闭合时间百分比）和POM（张口百分比）等多特征融合的疲劳判断逻辑，实现了高精度、低延迟的疲劳状态实时监测。本文详细阐述了系统的硬件选型与搭建、软件架构设计、核心算法实现以及系统集成与测试的完整流程，并提供了可直接部署运行的Python代码。
关键词：3D眼动追踪；疲劳监测；YOLO；PERCLOS；MediaPipe；驾驶员监测系统
第一章 引言
1.1 研究背景与意义
疲劳驾驶一直是威胁道路交通安全的主要原因之一。研究表明，疲劳状态下驾驶员的反应时间显著延长，操作精确度下降，发生交通事故的风险大幅增加。随着计算机视觉、人工智能和硬件技术的不断发展，基于驾驶员面部特征的疲劳检测方法取得了显著进展，在理想条件下实现了较高的准确率和实时性。疲劳状态下，驾驶员的面部特征通常会发生明显变化，如眨眼频率增加、眼睛开度减小和频繁打哈欠等。基于机器视觉技术的疲劳监测系统具有非侵入性、高效和低成本等优势，是目前研究和应用的主流方向。
另一方面，眼动追踪技术在驾驶员状态监测