车上疲劳驾驶侦测之研究.doc

袃螅肃蒄蝿螄膆芇蚅螃芈蒂薁袂羈芅蒇袁肀蒀螆袀节芃螂衿莅蕿蚈衿肄莂薄袈膇薇蒀袇艿莀蝿袆罿薅蚅羅肁莈薁羄膃薄蒆羃莆莆袅羃肅艿螁羂膈蒅蚇羁芀芈薃羀罿蒃葿罿肂芆螈肈膄蒁蚄肇芆芄薀肇羆蒀薆肆膈莂袄肅芁薈螀肄莃莁蚆肃肃薆薂蚀膅荿蒈蝿芇薄螇螈羇莇蚃螇腿薃虿螆节蒆薅螅莄芈袃螅肃蒄蝿螄膆芇蚅螃芈蒂薁袂羈芅蒇袁肀蒀螆袀节芃螂衿莅蕿蚈衿肄莂薄袈膇薇蒀袇艿莀蝿袆罿薅蚅羅肁莈薁羄膃薄蒆羃莆莆袅羃肅艿螁羂膈蒅蚇羁芀芈薃羀罿蒃葿罿肂芆螈肈膄蒁蚄肇芆芄薀肇羆蒀薆肆膈莂袄肅芁薈螀肄莃莁蚆肃肃薆薂蚀膅荿蒈蝿芇薄螇螈羇莇蚃螇腿薃虿螆节蒆薅螅莄芈袃螅肃蒄蝿螄膆芇蚅螃芈蒂薁袂羈芅蒇袁肀蒀螆袀节芃螂衿莅蕿蚈衿肄莂薄袈膇薇蒀袇艿莀蝿袆罿薅蚅羅肁莈薁羄膃薄蒆羃莆莆袅羃肅艿螁羂膈蒅蚇羁芀芈薃羀罿蒃葿罿肂芆螈肈膄蒁蚄肇芆芄薀肇羆蒀薆肆膈莂袄肅芁薈螀肄莃莁蚆肃肃薆薂蚀膅荿蒈蝿芇薄螇螈羇莇蚃螇腿薃虿螆节蒆薅螅莄芈袃螅肃蒄蝿螄膆芇蚅螃芈蒂薁袂羈芅蒇袁肀蒀螆袀节芃螂衿莅蕿蚈衿肄莂薄袈膇 車上疲勞駕駛偵測之研究吳瑞堯、陳曉瑜、蔡雅勤世新大學資訊管理系 陳俊廷政治大學資訊管理系謝易珊、莊智凱台北科技大學商業自動化與經營管理所摘要現今交通事故發生頻繁，已逐漸成為政府及社會大眾最大的隱憂。根據行政院衛生署機動車輛事故統計資料顯示，道路交通事故每年造成三千至五千餘同胞死亡，平均每日約有十至二十個家庭因家人發生車禍而破碎，此一統計數字之高，已到了令人紮舌的地步。而對於需長時間開車的駕駛員來說，注意力不集中、易打瞌睡更是行車當中最常發生的危險狀況！該如何有效避免意外發生，提升人民生命安全，已是大眾所關注的議題。因此，本研究特別針對此問題研發一套安全警示裝置。本研究所建立的系統為一套駕駛員打瞌睡即時警示裝置，利用瞌睡判別技術來判斷駕駛員的疲憊程度，此一方式是透過攝影裝置擷取影像，再利用影像處理技術與瞌睡判別技術來監視駕駛員的精神狀況，偵測其是否屬於清醒狀態，一旦系統偵測到駕駛員在打瞌睡，則會立即發出警訊聲，使駕駛員能夠保持清醒狀態，確保行車之安全。關鍵字：瞌睡、影像處理、疲勞駕駛 18- -壹、研究動機與目的、動機過眠與嗜睡之所以教人不容忽視，主要是隱藏著不可預知的危機。最常見的就是，可能在開車或走路發生意外事件。有鑑於現今交通事故發生頻繁，已逐漸成為政府及社會大眾最大的隱憂。根據行政院衛生署機動車輛事故統計資料顯示，道路交通事故每年造成三千至五千餘同胞死亡，平均每日約有十至二十個家庭因家人發生車禍而破碎，此一統計數字之高，已到了令人紮舌的地步。另外，根據衛生署統計資料顯示，國內交通事故發生比例已成為全國意外發生事故發生率第一位，其比例之高更是高達所有意外發生比例的二分之一以上。圖所示為台灣地區意外發生事故比例圖。圖一台灣地區意外發生事故比例圖資料來源：衛生署據國內的資料統計，民國九十年台灣地區以每萬輛車肇事比例而言，因駕駛不當而導致的道路交通事故，佔所有肇事原因的比例高達96.55%，其中三成皆死於精神不濟導致的車禍。根據如此高的事故發生率以及以上種種的數據顯示，該如何避免因精神不濟而導致的不幸事故，成為本研究產生的強烈動機。圖二所示為九十年道路交通事故受傷致死率。圖二九十年道路交通事故受傷致死率資料來源：內政部警政署疲勞駕駛失控8.99受傷致死率()疲勞駕駛失控二、目的根據專家指出，人的精神狀態是否良好可藉由身體語言明顯地表現出來。儘管是小小的動作，亦可將人的感情確實地傳達；也就是說，從微細的動作當能推斷其精神狀態，例如頻頻眨眼，即為視神經疲勞的徵兆。就一般情況來說，人類即使在正常生理情況下，開車僅一小時後便可能出現注意力下降的跡象，而成為發生意外的隱憂；而對於需長時間工作的使用者而言，工作中恍神、打瞌睡更是常常發生的事，而如何避免工作中打瞌睡，有效監督使用者的精神狀態，便成了本研究努力的目標。鑒於目前辨識技術日新月益，辨識技術不停有新的突破，除了臉紋判別還有眼紋判別、指紋判別、聲音判別等等，但是每一種判別都容易受各種不同的因素所干擾而影響辨識的準確率。而在那麼多種辨識技術下。本研究利用眼部來判斷使用者的疲乏程度，將外在環境的干擾除去，以眼部辨別為基礎，作出最準確的判斷，維護駕駛者的安全。麥睏即時警示系統為一套打瞌睡即時警示裝置，利用眼部辨識技術來判斷使用者的疲憊程度，透過攝影裝置擷取影像，利用眼部辨識及瞌睡狀態判別等技術來監視使用者的精神狀況，偵測其是否屬清醒狀態，一旦系統偵測到使用者在打瞌睡，會立即發出警訊聲，讓使用者能夠保持清醒狀態。有道是預防勝於治療，為保障駕駛員的行車安全，大家所需要的是一套真正能夠幫助預防事故發生的安全系統，以提高全人類生命安全保障。貳、文獻探討膚色是個特別的顏色可以透過顏色分割，是只把各種顏色與以分類設定閥值，對不同的顏色做選擇性的過慮，或是對不同膚色做膚色分析，建立起膚色相關資料，將來有類似的顏色就判斷為膚色，大多的研究都用膚色為判斷的目標，以膚色為人體在影像中的依據，是因為膚色和一班環境的色彩有顯著的差別(王建權,2002)。經過這樣的步驟可以將臉部和背景區隔出來，如下是影像追蹤較常用的顏色空間：正規化RGB、YIQ、HSV、HSI、HSL等。關於人臉判別，可用樣板匹對的方式，用已知的樣板和經過處裡的影像作交錯關聯相似程度高的會被顯示出來，以此為依據找出人臉。人的臉部大都呈現橢圓的形狀，所以可以透過不同大小的橢圓樣板來找出人頭。也有研究使用多台攝影機攝影，運用運算方式上的不同組合成3D影像，由3D影像可輕易偵測出臉。Matsumoto(1999)的系統就是以這樣的方式進行，以影像建立豐富資訊來來判斷攝影機前有無人臉的存在。這樣的架構下需要有多台攝影機，也會造成程式運算上的負擔，但是立體影像提供的資訊較為充足，判斷上也較為方便。人臉分割取出方法研究中，主要以臉部動作姿態最為與電腦溝通的人機介面之用(譚永恆,2000)和以生物特徵利用最小分類錯誤法(Minimum Classification Error Method, MCE)形成新的函數，並以後續的數值搜尋演算法求得最佳解(鄧少華,1999)。亦可用人工智慧判別類神經網路方式大量學習人臉部影像的特徵，再用學習過的類神經網路和影像作比對，但如果訓練學習的樣本不夠完備，很容易發生判斷誤差。如Y Mitsukura(Rowley,1998)和Rowley(Rowley,1995)都是利用這樣的方式。透過以統計為基礎的人臉定位方法，基於膚色過濾且經過型態學結果，建構水平方向及垂直方向投影購自的維直方圖；換句話說，去累計輸入的二值影像水平與垂直方向膚色部分的要素。這兩個維直方圖是描述各自方向投影的膚色分布(王智緯,2004)。依此算出統計測量計算平均值和標準差，進而做估計約略把人臉位置找出來。主成份分析(Principal Component Analysis, PCA)，概念是原始資料空間中，找出依個具代表性的子空間。資空間由主成分中的原始資料以線性轉換形成，原始資料投影在此子 空間內，仍保有其主要分布型態。M. Turk以主成份分析來辨識人臉身份，分為兩部份首先進行事前的訓練部份，利用人臉訓練樣本間的差異求得特徵空間。而特徵空間是由彼此線性獨立的特徵向量所構成，且特徵向量的線性組合可以表現原來的人臉訓練樣本。另部份為辨識，用來辨識人臉身份。M. Turk設計了一個距離函數(Distance Form Feature Space, DFSS)作為原始輸入影像與重建後影像差距的評估，如果輸入的人臉影像投影到某人的特徵空間有最小距離含數值，則判定為同人(Turk and Pentland,1991)。人臉特徵的抽取研究方法中，利用人臉五官的輪廓及相對距離做為特徵值尋找眼睛是現行研究中最常使用的方法，如即是利用人臉中的唇形、臉型輪廓、臉部各器官的相對位置及口鼻寬度等(呂芳懌,2000)。並搭配類神經網路的學習機制。運用臉部五官的相對位置去推演出許多運算式，以此定位出眼睛，建立眼模樣板也是另種方式，抓取出瞳孔、眼角、上下眼瞼及眼匡中心等重要特徵使用樣板去擷取這些資訊，其進行方式是先用虹膜樣板找出虹彩才在鄰近區域尋找眼瞼(林家瑋,2003)。而R. Stiefelhagen針對抽取眼睛特徵值提出反覆門檻值(Iterative Thresholding)的方法，因為眼睛瞳孔在某些人臉的區域看似兩個深色的地區，所以反覆利用門檻值的方法去尋找人臉影像中的眼睛瞳孔部份(王智緯,2004)。S. Kawato利用圓頻率濾波器(Circle-Frequency Filter)去找兩眼中心，可以發現以雙眼中心所畫的圓，圓上像素以最上方的像素為起點順時針看這些像素的灰階值，近四一個雙週期的弦波，運用這樣的特性，再結合樣板比對可以找到人臉影像雙眼中心(S. Kawato and N. Tetsutani,2001)。唇色在臉部也是很特別的顏色空間(黃敏峰,2003)，利用前述提及的顏色分割找出屬於唇色的色彩空間，把嘴唇區隔出來，進步定位出嘴唇的位置。將雜點去除後，再取得所有區塊範圍和面積大小，最後則選取面積最大且呈現水平長方形者即為嘴唇特徵。眼睛區域相對於人臉膚色在色調上往往都較為陰暗，利用灰階後的影像可大幅減少對色調及飽和度的依賴，再訂定一門檻值即可將眼睛從人臉中區隔開來。結合嘴唇特徵的重心點和每個為眼睛可能物件重心點作條件判斷，即可定位出人眼位置(黃泰祥,2004)。根據台大醫院精神部李宇宙醫師研究指出，過眠與嗜睡也是一種睡眠障礙。當一個人嗜睡度很高時，可能會出現倦怠虛弱、做事不起勁、缺乏能量、意識狹窄、注意力不能集中以及懶散沒有心思等症狀，而在主觀上不見得認為想睡，然而事實上白天是處於嗜睡度很高的狀態下。過眠與嗜睡之所以教人不容忽視，最常見的就是，可能在開車或走路發生意外事件。調查結果顯示，台灣十五歲以上人口中，可能有高達百萬人處在上班昏昏欲睡、上課猛打瞌睡的嗜睡症困擾中。醫師表示，嗜睡除了可能影響工作學習成效外，還可能是許多工安及交通意外的禍首，千萬不可輕忽。這項調查係由台灣睡眠醫學會，針對台灣地區四千多名年滿十五歲以上的民眾，使用國際間常用的量表，進行電話訪問所完成。三軍總醫院精神科主治醫師毛衛中指出，調查結果顯示，十五歲以上國人日間嗜睡的盛行率大約有七，若以台灣十五歲以上一千八百萬人口推估，則超過百萬國人有白天精神不濟的情形。其影響可能造成患者經常感到疲倦虛弱、精神不集中、做事不起勁，並影響工作甚至行車安全。像是這次的調查便發現，有六點四的人表示只要一開車，沒幾分鐘就開始出現昏沉嗜睡的情況。而英國最近的一次交通事故相關調查的結果也發現，疲勞駕駛所導致的交通意外，其佔比已經超過酒駕肇事。眠醫學會理事，也是長庚醫院睡眠醫學中心主任陳濘宏以台北市公車與這一次調查結果進行推估指出，台北市公車處一個月約有一千三百萬人次乘坐，每個月的發車約有三十六萬班次，如果以七的嗜睡盛行率來推算，則高達兩萬五千個班次、九百萬人次可能處於因為疲勞與嗜睡的潛在危機中。參、研究方法、系統概述而本組以影像處理技術以及瞌睡判別技術作為本系統之核心技術。首先，系統將擷取之影像做偵測，找到臉部位置後，並進一步對眼睛進行定位，做到同步移動，持續鎖定駕駛員的眼部。接著，在偵測眼部的同時，經由本系統研發之瞌睡判別方法，對駕駛員的精神狀態做即時監視及判斷。最後，當系統偵測到駕駛員打瞌睡、精神狀態不佳時，便能即時發出警告，適時提醒駕駛員以避免意外之發生。本系統在使用Borland C+ Builder 6之開發環境之下，結合了影像處理技術以及瞌睡判別等相關技術，透過抓取動態的影像，將圖片經過擷取膚色、灰階化與二值化的處理，開發出能讓電腦將攝影機所拍攝到的影像，擷取至記憶體內或將影像存檔的應用程式，以提供日後研究之相關人臉辨識。藉由臉部與生俱有的獨特條件，如人的膚色是一個大特徵，還有臉部的五官其相對位置都有特定的比例。再利用灰階和二值化的方法將繁多的影像資訊簡單化，以利運算和辨識，其間還會做侵蝕(Erosion)和膨脹(Dilation)的動作，其目的是要將不連續的區域連成一塊。而後續動作是對圖片做邏輯運算，將圖片盡量處理到剩下眼睛、眉毛，透過縮小區域範圍再進一步定位眼睛。之後，在搜尋臉、定位眼睛並對所擷取的圖片做辨識及判斷時，本系統也將一併做到同步移動的偵測。而在偵測、辨識的同時，經由本系統開發的瞌睡判別技術，可以對於使用者的精神狀態做連續的監視及瞌睡判斷。假設行車中駕駛者的注意力不集中，例如：眼部沒有正視前方、眨眼睛頻率改變，或者瞇上眼睛，甚至超過某特定時間點仍未睜開眼睛，本系統則能夠發出警訊來提醒駕駛者，用以提醒駕駛者本身該清醒了，並使其提振精神，防止駕駛者因駕駛打瞌睡而造成的交通意外事故。 二、系統架構本研究所採取之系統架構如圖三所示，包括影像擷取、影像處理、以及睜眼、閉眼判別以及瞌睡判別四大部分。圖三系統架構圖三系統架構圖本研究之系統(1)影像擷取：抓取動態影像之前，必須先行驅動攝影機，取得影像，存放於記憶體內，以便於後續程式的比對與判別。(2)影像處理：抓取影像之後，先將影像轉到HSV(Hue, Saturation, Value)色彩空間擷取膚色，再進行侵蝕與膨脹、灰階化、二值化等處理，使圖片中的資訊簡化到剩下幾個不規則區塊，以便偵測出人臉位置。(3)睜眼、閉眼判別：定位出人的眼部位置之後，透過系統偵測出使用者在睜眼與閉眼的不同情況，再利用套樣板的方法，作為區別使用者睜眼與和閉眼的判別。(4)瞌睡判別：在本系統判別出使用者的睜眼與閉眼情況後，則進行瞌睡判別的處理，若使用者出現連續閉眼且超過預設門檻值範圍的情況，本系統判定使用者已呈現打瞌睡狀態。在本系統處理完瞌睡判別之後，會適時地發出警示，當使用者已呈現打瞌睡的狀態時，本系統則發出警示提醒使用者，使其保持清醒。三、處理流程抓取動態影像開啟攝影機擷取膚色侵蝕與膨脹轉到HSV空間選取區塊充填決定臉部區塊正規化套疊灰階化與二值化侵蝕與膨脹套用幾何規則定位眼部YESNO發出警示瞌睡判別判別睜眼、閉眼本系統之處理流程，如圖四所示。圖四系統處理流程(1)開啟攝影機：開啟攝影機，開始拍攝。(2)抓取動態影像：攝影機進行抓取使用者影像之動作。如圖五擷取膚色前所示。(3)HSV：H代表色調，S代表飽和度，而V代表明度，將擷取到的影像做HSV與RGB(Red, Green, Blue)色彩空間中交互轉換，以便做膚色偵測處理。(4)擷取膚色：當HSV與膚色偵測過程處理完成後，並加入判斷式0.23 Saturation 0.63，5 Hue 90之後，即可擷取到膚色。如圖五b（擷取膚色後）所示。圖五擷取膚色a.擷取膚色前 b.擷取膚色後a.擷取膚色前b.擷取膚色後(5)侵蝕與膨脹：擷取到膚色後，由於膚色區塊並不完整，並滲雜著小部分的雜訊，所以對所擷取到的人臉膚色區塊先做侵蝕，再做膨脹。(6)選取區塊充填：擷取膚色後，除了人臉外可能也擷取到一些小區塊，針對影像中可能為臉部的各區塊大小進行面積計算，取出面積最大者即為臉部。找到人臉之後，針對最大面積所框出的人臉範圍進行充填的處理，以決定臉部區塊。如圖六所示。a.最大面積a. b.充填圖六面積最大區塊、充填示意圖(7)正規化：找到人臉之後，系統隨即進入正規化處理階段，將人臉區塊轉成固定大小比例的範圍，以便於後續的灰階化與二值化處理。(8)灰階化與二值化：針對正規化後的臉部區塊做灰階化與二值化，其中二值化法採用設定門檻值的方法進行處理，而本研究定義門檻值為71。如圖七所示。a.正規化 b.灰階化 c.二值化圖七正規化、灰階化及二值化示意圖 (9)套疊：將二值化後的圖像與先前充填的臉部區塊套疊，留下同樣是黑點的像素，即剩下的即為五官的部分。如圖八所示。圖八套疊後所剩圖像示意圖(10)套用幾何規則：利用兩眼對稱及距離不可過遠之特性所定出的幾何規則找到眼睛，定位出人的眼部位置。(11)判別睜眼、閉眼：定位出人的眼部位置之後，首先利用邊緣偵測將所擷取出來的眼部影像做處理，在處理後可以很明顯的看到睜開的眼睛有眼珠的存在，再利用畫圓對眼睛做套圓動作，一旦為睜眼狀態便可以利用套圓搜尋到眼珠，閉眼則否，故可輕易判別使用者的睜眼、閉眼狀態。如圖九所示。圖九睜眼示意圖(12)瞌睡判別：在本系統判別出使用者的睜眼與閉眼情況後，則進行瞌睡判別的處理，若使用者出現連續閉眼且超過預設門檻值範圍的情況，則本系統判定使用者已呈現打瞌睡的狀態；反之，若使用者未出現連續閉眼或雖閉眼但未超過預設門檻值範圍的情況，則本系統判定使用者未呈現打瞌睡狀態。(13)發出警示：在本系統處理完瞌睡判別之後，會適時地發出警示，當使用者已呈現打瞌睡的狀態時，本系統會發出警示提醒使用者，使其保持清醒，以防止意外的發生。肆、研究結果開發過程中，整合運用國內外相關研究，針對擷取膚色、定位臉部及眼睛、基本影像處理與爭眼、閉眼判別的方法各個加以驗證比較，整理出下表。(詳見表一、表二、表三、表四與表五)。表一決定臉部區塊比較表比較方法方式成效取用與否統計量計算影像垂直、水平投影出來每個像素值，當像素值為黑色者即累加，所得像素總數再加以比較，縱軸及橫軸所得的最大值就是臉部的中心座標。土法煉鋼，容易出錯，範圍也不易縮小。r套用橢圓樣板對影像做邊緣偵測之後，會得到影像明顯的輪廓，而人臉幾乎是呈現一個橢圓的形狀，利用這個特性以套用橢圓樣板的方式來找尋影像中的可能區塊。效果相當不錯，但是當人臉並非呈現橢圓，或是未達到其門檻值就會有套不到圓的情況發生，但最嚴重的問題是，會造成本系統在運算速度過於緩慢，進而影響整個後面程序的作業速度。r最大面積搜尋對於已經擷取出來的膚色區塊，人的臉部是最大且最明顯的，利用這個特性，去搜尋影像中區塊的大小，找到最大的區域並且判定可能為臉。雖然在影像顏色上面有所限制，但是對於系統上面的運算幾乎沒有任何影響，所以效果顯著。a表二膚色擷取比較表比較方法方式成效取用與否HSI將R、G、B值調整至01H=cos-1S=1-I=並依下列條件循序判定：1. S=0十表示灰階，無意義或訂為0；2. 若B/IG/I，則H=2-H另外、為了把H由弳度正規化為0,1間，可再把H除以2。附帶提，HSI和前述之YCbCr行是幾乎相同，差別僅在H=cos-1 (Y)而已。其運算式子較為複雜，龐大的運算量不符合系統即時的需求。rHSV將R、G、B值調整至01令M=max(R、G、B) m=min(R、G、B)則S=(M-m)/M且V=M當 S=0則H無意義或訂為0：否則令：R=(M-R)/(M-m)G=(M-G)/(M-m)B=(M-B)/(M-m)而H依下列條件循序判定：R=M 且 G=m 則 H=5+B；R=M 且 Gm 則 H=1-G ；G=M 且 B=M 則 h=R+1；G=M 且 BM 則 H=3-B ；R=M 則 H=3+G以上皆非則 H=5-R最後將H在乘上60，則S與V將介於01而H介於0360。運算攻勢較為簡單執行速度也較快，更把光線中的亮度獨立出來降低光的影響效果良好。aRGBr=g=定義：1(r)=-1.3767*r2+1.0743*r+0.14522(r)=-0.776*r2+0.5601*r+0.1766W=(r-0.33)2+(g-0.33)2受光線影響很大，本組不予以採用。r表三定眼比較表比較方法方式成效取用與否二次搜尋利用搜尋最大面積的方式，搜尋剩餘五官的區塊前兩大面積為眼睛。受其雜訊影響，光線影響過大。r唇色偵測擷取唇色，記錄唇色區塊的最左、最右的點算出斜率，找出任兩區塊之間斜率相近的可能是眼睛或是眉毛。再去檢查上方或下方是否有無其他成對區塊。如果唇色擷取效果不好，後置動作都會受牽連，造成辨識率不佳。r幾何規則利用陣列結構的方式記錄圖中每個區塊，再對每個區塊作兩兩比較區塊不能過大或過小；區塊的距離不能太遠及太近；區塊的高度差不能過大。取出符合上述條件的區塊配對，再取位置最為可能為眼睛的區塊。直接從AND的圖中做幾何規則的套用，速度快效果很好，準確度相較於其他方法高出很多。a表四睜眼、閉眼比較表比較方法方式成效取用與否睜眼、閉眼面積計算眼睛睜眼時以及閉眼時的面積大小。主要是對擷取出來的眼睛圖片，計算顏色為黑色的每個像素所得之總數。眼睛面積計算結果，睜眼以及閉眼的差異極小，無法很明確的界定何時睜眼、閉眼，施行上有其難度。r睜眼、閉眼高度計算眼睛睜眼時以及閉眼時的高度的落差。主要是對擷取出來的眼睛圖片，計算顏色為黑色的每個像素所得之總數眼睛高度計算結果，睜眼以及閉眼的差異微小，無法很明確的界定何時睜眼、閉眼，施行上有其難度。r套用圓形樣板因為每個人的眼睛睜開時，眼珠的部份會有很明顯的圓形，利用這個特性，以是否套到此圓形的方式來判斷現在是否睜眼或是閉眼。主要是對擷取出來的眼睛圖片，先做邊緣偵測，然後套用圓形樣板來搜尋眼睛是否有眼珠圓形部分的存在。睜、閉眼時的差異十分明顯，在三種方法之中比較起來較為有效。a研究結果發現，本系統在正常光線下，相較於其他辨識方法效果更佳，也較不受光線波動的影響，系統運作較穩定，所利用的演算法和辨識方法相對於其他研究較不耗系統資源，因此可達即時追蹤之效。膚色擷取後還對影像做充填，這一個步驟讓臉部更趨完整不至於破碎；影像二值化採用定值方式大大提升系統效率；使用樣板判別眼睛睜閉，其中門檻值並非設定值因此彈性相對較大。此外程式撰寫採模組化方式可依不同應用情境增加刪除處理流程，系統適用性也相對較高。伍、結論本研究針對疲勞駕駛問題，研發了麥睏即時警示系統。此系統可以一天二十四小時持續監控駕駛者的精神狀態，完全不需要休息，比起一般的乘客監控，更能發揮即時監督、警示駕駛人安全的功能，適時地警示駕駛者並提振其精神狀態，以防止駕駛者因打瞌睡而發生任何的交通意外。透過本系統的研究，為使駕駛者帶來更高的行車安全，防止因長途駕車的駕駛者因打瞌睡而造成交通意外事故，更能有效地降低交通意外事故，減少家庭人倫悲劇。將來可以把整個運算交於硬體來獨立執行取代多工電腦，讓本研究的技術可以產品化與生活化，交由硬體執行後整個的使用方式，將更加簡化讓般民眾更易於操作。整合其他生物辨識技術，讓他的應用更加多元與具彈性。應用於醫療或肢障者提供一種新的人機介面，增進殘障同胞的溝通學習能力。陸、參考文獻1 Jia-De Lin, Using the Neural Networks to Detect and Recognize Human Face 2003。2 H. A. Rowley, S. Baluja, and T. Kanade ,”Human face detection in visual scenes”,Tech. Rep.CMU-CS-95-158R, Carnegie Mellon University,1995.3 H. A. Rowley, S. Baluja, and T. Kanade. ,”Rotation invariant neutral network-based face detection”, Computer Vission and Pattern Recognition, 1998 IEEE Computer Society Conference on, 1998, pp.38-444 M. Turk and A. Pentland, “Eigenface for Recognition,”Journal of Cognitive Neuroscience 19915 Mastumoto, Y; Zelinsky, A. ”, Real-time Stereo Face Tracking for Visual Human Interfaces”,Recognition,Analysis,and Tracking of Face and Gesture in Real-Time System,1999.Proceedings.International Workshop on,1999, pp. 77-826 S.Kawato and N. Tetsutani, “Circle-Frequency Filter and Its Application,” Int Workshop on Advanced Image Technology 20017 王健權，以數位影像處理搭配動態攝影機做即時人臉追蹤之研究，碩士論文，國立成功大學電機工程學系博士班，2002年。1 王智緯，即時視向偵測及滑鼠游標控制系統，國立台灣科技大學電機工程系碩士論文，2004年。2 呂芳懌，影像資料庫在人臉辨識上的應用前科犯資料庫，東海大學資訊科學系碩士論文，2000年。8 林