车载生物识别技术发展现状与应用趋势分析

左培文 齐涛 熊鸣

摘要：生物识别与感知技术使汽车具备一些类似生物的感知能力，能够使车机更加人性化的和车内人员进行交互。通过对驾驶员人体相关数据的采集，实时监控驾驶状态，快速实现一些功能。例如，对驾驶员状态进行检测，实现汽车人机界面的实时调整，使车内气氛、交互环境与驾驶员当前驾驶状态吻合，这也是未来智能驾舱人性化和情感化的表现。生物识别数据对于智能驾舱而言，能够提高汽车与人的交互效率，本文将重点对眼球追踪、人脸识别两类生物识别技术的发展现状与应用趋势进行分析。

關键词：眼球追踪;人脸识别;状态检测;身份识别;情绪检测

1 眼球追踪技术

1.1 技术原理

车载眼球追踪技术是测量驾驶员眼睛的运动情况、估计视线方向与眼睛注视点位置的技术，一般实现眼球追踪的设备包括红外光源、光学传感器及视点计算芯片等主要部件。由红外光源投射驾驶员眼睛形成红外图像，光学传感器捕获人眼红外图像提取人眼特征，最终通过视点计算芯片计算驾驶员视点位置。

1.2技术特点

车载眼球追踪技术的应用包含以下方面：第一类是眼控交互，应用在如HUD及其他显示界面的交互场景中，包括：虹膜解锁车辆、眼球运动实现HUD操控等。第二类是疲劳检测，驾驶员疲劳检测的识别方式是根据眨眼时的眼皮位置、瞳孔与眼睑遮挡比例来进行检测，缺点是必须在驾驶员严重疲劳眼皮将近闭合或者明显扭头的情况才能预警，主要针对①驾驶员注视点停留时长，②眼跳幅度、频率、频繁眨眼，③注视点长时间集中在非重点区域等场景或指标进行检测。第三类是行为规范检测，眼球追踪可以进行注意力检测，比如启动车辆前是否检查左后视镜、是否注意路旁情况时间太长等。相比传统方法只能根据头部动作来检测具有一定优势：一则头部动作无法精细到识别注视方位的程度，二则如果驾驶员头部正对前方仅用眼睛去瞄目标时传统方案是无法识别的。主要针对驾驶员①启动车辆、转向、倒车时的视线方向，②头部和视线方位关系，③玩手机，④低头、仰头、侧头、离席等场景或指标进行检测。

1.3技术难点

第一，复杂光照。传统或者普通的眼球追踪应用场景都是室内，室内的光照一般是小于600Lux。例如，使用红外灯源投射至眼球的技术方案，室内的可见光对光斑影响较小;但是在太阳光环境下，太阳红外光的强度、波长范围较复杂，加之外界各种灯、光的反射、折射，对于眼球光斑和光斑中心的眼部特征提取影响很严重。

第二，误操作。驾驶员驾驶过程中对中控、仪表等多个屏幕的观察以及行车过程中需左右摆头对路况的观察，相比室内使用电脑显示屏的眼球追踪，头部摆动范围更大。如实现仪表屏、中控屏、副驾驶屏等多个屏幕的眼控功能，一方面受硬件的影响，采集眼图受限，另外一方面，对算法的要求也更高。

第三，车辆行驶颠簸。当车辆颠簸达到一定频率时致使相机捕获的眼图模糊，难以辨别光斑中心及瞳孔中心，所以车辆颠簸的各种路况也是眼球追踪技术的应用难点之一。

2 人脸识别技术

2.1 技术原理

车载人脸识别技术是基于驾驶员脸部特征信息进行驾驶员身份识别、状态检测的一种生物识别技术，通常采用车内摄像机采集含有驾驶员人脸的图像或视频流，并自动在图像中检测和跟踪驾驶员人脸。

2.2技术特点

车载人脸识别的流程则主要包含以下几个部分，即人脸图像的采集与预处理、人脸检测、人脸特征提取及运算。

人脸图像的采集与预处理：通过驾舱内的摄像机在设备的可拍摄范围内自动实时抓取驾驶员人脸图像并完成采集工作。对驾驶员人脸图像的预处理的目的是在系统对人脸图像的检测基础之上，对人脸图像做出进一步的处理以利于人脸图像的特征提取。

驾驶员人脸检测：系统会精准的定位出人脸的位置和大小，在挑选出有用的图像信息的同时自动剔除掉其他多余的图像信息来进一步的保证人脸图像的精准采集。

人脸特征提取及运算：特征提取的方法一般包括基于知识的提取方法或者基于代数特征的提取方法。以基于知识的人脸识别提取方法中的一种为例，因为人脸主要是由眼睛、额头、鼻子、耳朵、下巴、嘴巴等部位组成，对这些部位以及它们之间的结构关系都是可以用几何形状特征来进行描述的，也就是说每一个驾驶员的人脸图像都可以有一个对应的几何形状特征，它可以帮助我们作为识别人脸的重要差异特征，这也是基于知识的提取方法中的一种。将获得的人脸特征数据根据预设的人脸识别算法进行运算，进而识别输出驾驶员的面部情绪、驾驶注意力等驾驶员状态。

2.3技术难点

汽车驾舱内的人脸识别技术应用仍具有一定挑战，主要体现在两个方面：首先，由驾驶员人脸目标内在的变化引起：①人脸具有相当复杂的细节变化和不同的表情（眼、嘴的开与闭等），不同的人脸具有不同的外貌，如脸形、肤色等;②人脸的遮挡，如眼镜、头发和头部饰物等。其次，由外在条件变化引起：①由于驾驶员驾驶车辆时的路况观察致使成像角度的不同造成人脸的多姿态，如头部的旋转摆动等;②车辆行驶中导致驾驶舱内光线的影响，如图像中的亮度、对比度的变化和阴影等;③图像的成像条件，如摄像设备在车辆颠簸时焦距、成像距离的处理等。

3 应用趋势分析

3.1 驾驶员状态检测

利用安装在车上的眼球追踪及人脸识别技术的相关设备，在驾驶员驾驶过程中，通过接触或非接触的方式，实时监控驾驶员的状态，能够检测到驾驶员危险驾驶行为，并提醒驾驶员预警。可实现以下预警功能：

第一，疲劳驾驶预警。由于驾驶员缺少休息或长时间驾驶等原因，产生生理机能和心理机能的失调而出现的驾驶过程中反应时间变慢、视力与协调性变差、或处理外界信息延迟等现象的驾驶状态。能够通过面部检测的方式检测到驾驶员疲劳驾驶产生疲劳驾驶预警。

第二，分神驾驶预警。驾驶员在驾驶过程中，因注意力未集中于观察前方道路状况而可能导致危险的驾驶状态，该驾驶状态包括但不限于低头、左顾右盼等。车载终端应能够通过视频的方式检测到驾驶员分神状态，产生分神警告，且能够区分车辆转向、驾驶员观察后视镜等情况与分神驾驶状态。

第三，抽烟预警。在车辆行驶过程中，车载终端应能够通过接触或非接触的方式检测到驾驶员抽烟的行为产生预警。

第四，接打电话预警。在车辆行驶过程中，车载终端应能够通过接触或非接触的方式检测到驾驶员接打电话的行为产生预警，且具备以下功能：

第五，驾驶员异常预警。车辆行驶过程中，用于检测驾驶员状态的摄像头未检测到人脸面部特征达到3秒以上的情形。在车辆行驶过程中，终端检测到驾驶员异常时，应能产生驾驶员异常预警，对驾驶员进行预警提示。

可设置报警分级速度阈值的功能，提供不同等级的疲劳驾驶警告预警。当车辆速度低干预警分级速度阈值时，若检测到疲劳驾驶，产生一级预警，同时进行语音预警提示或者显示预警提示;当车辆速度高于预警分级速度阈值时，若检测到疲劳驾驶，产生二级预警，同时进行语音预警提示或者显示预警提示。产生二级预警时，车载终端可向相关客服或管理平台发送驾驶预警信息。

3.2驾驶员身份识别

具备对驾驶员面部特征识别功能，当检测到驾驶员离开监控画面再返回时，终端应能将重新出现的驾驶员面部特征与离开前的驾驶员面部特征相对比。若驾驶员面部特征不同，则产生驾驶员身份异常事件，并不能启动驾驶车辆。

3.3驾驶员情绪检测

通过人脸识别技术判断驾驶员的情绪状态，基于驾驶员相应的预警信息，提示驾驶员是否处于情绪异常状态。例如，当系统检测到驾驶员过于焦虑或易怒的情况，从而判定驾驶员能否专心驾驶，在驾驶员怒路症发作而感到焦躁不安时，播放驾驶员最喜欢的歌曲使其平缓情绪，未来驾驶员的情绪识别可与半自动驾驶车辆相互结合，如在无法缓解驾驶员情绪的情况下，转由车载系统控制车辆的驾驶操控，进而保证驾驶安全。