01疲劳监测系统
公开披露的数据看，90％左右的汽车驾驶员有过疲劳驾驶的经历，80％左右的汽车驾驶员在开车2～4小时后会感到身体疲劳，60％左右的汽车驾驶员在驾驶感觉疲劳时眼睛会感觉酸痛发沉。
所以，很多汽车企业专门针对疲劳驾驶开发了很多预警产品。
常见装备的疲劳监测系统被称为“疲劳驾驶预警系统（BAWS）”它是基于驾驶员生理图像反应，由ECU和摄像头两大模块组成，利用驾驶员的面部特征、眼部信号、头部运动性等推断驾驶员的疲劳状态，并进行报警提示和采取相应措施的装置。
奔驰、奥迪、宝马、大众，本田等品牌的车系都配有疲劳驾驶提示系统。
百度2017年也推出过类似产品，当时李彦宏还现场展示了百度的疲劳驾驶监测系统。
系统基于百度大脑的图像识别技术研发的。通过红外人脸识别判断，当卡车司机被手机干扰转头看信息、犯困开始打哈欠或者疲惫到眼睛睁不开的时候，系统就会及时提醒司机集中精力驾驶。
国内也有很多公司在做这方面业务，去京东商城搜索疲劳驾驶，会跳出很多相关产品。
比如，基于人脸识别的疲劳驾驶行为检测设备，其实，就是一个摄像头和处理器的拼接。
摄像头在驾车时会全天候工作，在发现驾驶员出现疲劳、打哈欠、打电话、闭眼、抽烟及其他错误驾驶状态后，疲劳检测系统将会对此类行为进行及时的分析，并进行语音提示、震动提示等方式提醒驾驶员，避免事故发生。
02算法依旧是核心！
当然，机器视觉识别疲劳度的核心依旧是算法。
人所有的表情都可以被算法解析！
如何提取疲劳驾驶员的脸部器官特征，证明其处于疲劳驾驶状态。
比如，眼睛闭合的频率和持续时间在某种程度上可以反映疲劳的状态。
卡内基梅隆研究所经过反复试验和论证，提出了度量疲劳的物理PERCLOS。
PERCLOS定义为一定时间内眼睛的闭合程度，它已经成为度量疲劳状态的一种科学有效的方法。
当一定时间间隔内眼睛闭合所占的时间比例超过15％时即认为是疲劳状态。
PERCLOS方法通过眼睛闭合所占的时间比例进行疲劳驾驶的判定。
基于PERCLOS的机器视觉算法算是通用模型。
还有大学研究机构提出了NMEA R（归一化平均眼睛高宽比）的疲劳驾驶检测方法。采用HOG＋SVM算法实现了人脸检测，并利用Dlib工具箱的关键点检测器实现了人脸68个关键点定位．通过切片技术提取了双眼12个坐标点，利用坐标点的相对位置计算出人眼实时的高宽比（EA R），并利用最大高宽比对EAR进行归一化并求均值，得到NMEAR。最后通过计算NMEAR在疲劳区间上的概率值来判定驾驶人疲劳状态。由于算法在疲劳判定部分不涉及矩阵运算，极大减少了运算量实验表明，NMEA R算法准确率高达96％。
网上技术论坛有不少专门从事五官特征提取的算法，套路繁多，有兴趣的可以去论坛看。
