人脸识别在智慧驾舱中的应用

南枫 2023-07-31 15:37:39

随着科技的不断发展，人脸识别的技术应用也越来越广泛。人脸识别支付、人脸识别门禁考勤、人脸识别照片搜索、人脸识别罪犯追逃智能报警等等场景已融入我们的生活与工作之中。

一、人脸识别

人脸识别是基于人的脸部特征进行身份识别的一种生物识别技术。近年来，人脸识别的兴起逐步取代了指纹识别的方式。

指纹识别与人脸识别对于识别区域的清洁度有一定的要求。当识别区域污染、受伤、遮盖等则可能影响生物特征的识别认证。在众多产品中，生物识别更多被应用在身份认证的场景，而身份认证通常是作为产品使用或则系列工作的第一步，而识别认证失败则会直接影响到后序工序的进度。

在日常工作、生活中，手直接接触外界物质的几率往往高于面部，因而手受伤、磨损及污染的几率相对更大，其身份认证受影响的概率也相对更高。而在智慧驾舱的应用中，若因手指受伤则可能影响数日的正常使用。

人脸识别较指纹识别相比可靠性更高。因而随着人脸识别技术的日趋成熟，逐渐被广泛应用。近年来，呼声很高的智慧驾舱也在人脸之别这一技术的应用上做足了功夫。将人脸识别应用于各种各样的场景中，结合AR、人工智能等新型技术的应用，不断的提升驾驶的安全性。

二、场景一：网约车司机身份认证

网约车安全隐患之一“人车不符合”，当偶有审核不通过或觉得注册申请较为麻烦的司机且希望借网约车平台营运，则可能出现驾驶车辆的司机与登记不符合的情况。

对于驾驶司机非平台审核的司机则可能存在一些潜在隐患。首先，司机未通过平台统一的审核，其整体驾驶水平及安全意识等没有受到严谨的评估，其作为营运司机具有一定的交通安全风险；

其次，未经平台统一的培训，其服务意识可能缺乏等，而引发顾客投诉等不良后果，也对营运平台带来极大的品牌形象影响。

加强营运司机的身份认证，可一定程度的减少“人车不符”的情况。常见的认证方式即为指纹认证与人脸识别。

从可靠性性来看，指纹识别是将识别对象的指纹进行分类比对从而进行判别。随个体差异，一个指纹上可有50~100个特征点，根据特征点的位置、方向，数值化并应用于指纹自动识别与认证。

人脸识别则通常提取更多的特征点，人脸识别头部企业，如商汤针在智慧驾舱的应用中对眼、口、鼻、轮廓等人脸300多个特征点定位检测对比，而百度等互联网大厂开放的人脸识别公开接口中，选取构成人脸轮廓的关键点定位为也已有150多个。

人脸图像中包含的模式特征十分丰富且其采集的特征点数量通常多余指纹。

在网约车司机认证这一场景下，人脸识别主要存在的作弊行为为仿真头套；而指纹识别作主要的作弊主要方式为指纹套。从成本上看，仿真头套的制作和工艺都较为复杂，其价格也更为昂贵；而指纹套复刻操作简单，成本大约几十块钱。

此外，仿真头套其需佩戴于人的头部有别于指纹套仅需佩戴在某一手指上，其被乘客发现的概率也更大。因而相对于人脸识别，指纹复制的成本及操作难度都相对更低，依然存在代替驾驶的风险，不能更有效的进行身份认证。

将人脸识别应用于营运车驾驶员认证场景，可较大程度降低“人车不符”顶替驾驶的概率。通过用车前及行驶中的人脸识别认证，在出现人车不符的情形时，限制使用或有效的提醒乘客，从而降低风险。

三、场景二：疲劳驾驶预警

当驾驶员长时间连续行驶车辆或严重睡眠不足时，则有可能出现疲劳状态，若持续驾驶则会出现困倦瞌睡、注意力下降、判断能力下降、反应迟钝甚至精神恍惚等表现。

而此时驾驶车辆，在高速行驶的道路上，疲劳状态下极易发生交通事故。根据以往的交通事故数据分析报告及关于疲劳驾驶的研究文献，超过20%的交通事故与疲劳驾驶相关。疲劳驾驶然已成为导致交通事故的重要原因之一。

针对疲劳驾驶的预测判别方式，研究的方向主要有两类：一类是基于方向盘监控的疲劳驾驶检测，其利用三轴加速度计之间的关系计算方向盘的转动角度，利用方向控制幅度趋势的变化，对疲劳驾驶行为进行预测；一类则是基于人脸识别技术的疲劳驾驶监控，以人脸识别为基础，定位并提取眼睛和嘴部图像，结合疲劳时面部表现特征进行综合判别。

从安全性来看，通过方向盘转角进行检测的方式本质上是后置判断，其基于车辆运行状态进行预判，利用方向盘控制幅度的变化趋势与疲劳驾驶的相关性来进行间接预测判断。

当驾驶的方向控制幅度为越来越大的趋势，方向盘会出现更快和更大的转向更正时，被认为可能是疲劳驾驶。其识别预警时，已发生了不安全的驾驶行为。

而通过人脸特征进行检测的方式本质上则是前置判断，其基于驾驶员行为特征来进行预测，以人脸识别为基础，通过摄像头利用驾驶员的面部特征直接的预判，对驾驶员头部、面部、眼睛、嘴巴运动等疲劳表现行为的推断驾驶员的疲劳状态，在危险行为发生前进行报警提示和采取相应措施的装置对驾乘者可以给予一定的安全保障，有效减少事故产生。

人在疲劳时，眼部运动会出现明显特征，通过视频图像处理，利用单位时间内眼皮闭合一定程度所占的比例、眼皮闭合的平均速度、眨眼幅度与速度的比值等可以进行疲劳的预测；

人在疲劳时，也同样嘴部运动及头部运动有一定的特征，可通过哈欠频率及点头频率进行预判。基于视觉的疲劳检测可以认为大致分为三个部分，点头、哈欠、眨眼。分别为头部特征、嘴部特征、眼部特征。

当驾驶员出现点头、哈欠或眨眼等表现时，基于视频识别的预判可能是疲劳行为，系统可发出语音提醒，甚至适量降低速度等，可一定程度的给驾驶员安全保障，避免因疲劳驾驶导致的交通安全事故。