现行的疲劳监测设备造价昂贵, 便携性差且有效性不高, 正面疲劳监测方案极大地影响了使用者的工作效率, 因此进行实用且准确的疲劳监测方案研究十分有意义。提出了新型的侧眼眼动疲劳监测眼镜并结合N-Range图像处理算法提高眼部定位的鲁棒性与疲劳监测的准确率。在侧眼图像处理过程中, 用N*N的卷积核及Sigmoid函数计算激活图, 采用OTSU阈值分割法对激活图进行阈值分割, 将小于阈值的像素点激活值置于0。据此计算水平方向与垂直方向的标准差投影, 从投影图中通过平均阈值法定位出人眼区域, 随后通过计算人眼高宽比表征眼部闭合度, 采用基于PERCLOS的P80疲劳评测方法为设备的使用者进行实时的疲劳分析。实验结果表明现行设备所存在的问题, 通过我们的方案得到了很好的解决, 即使在复杂的环境中, 本文的方法仍然表现出色, 疲劳判决准确度达到了94%。疲劳监测眼镜与N-Range算法可以实现在不影响使用者作业效率的前提下, 仍然保持着较高的疲劳监测精度, 具有较高的实用价值。

通过分析眼睛状态可以有效地判定出飞行员的疲劳状态。本文提出一种眼睛状态识别的新方法，该方法利用径向对称和圆形霍夫变换相结合识别眼睛状态。根据在睁眼状态下眼睛虹膜呈现径向对称特性，初步判定眼睛状态。对于不能仅用径向对称变换确定眼睛状态的图像，结合径向对称变换定位虹膜中心和圆形霍夫变换定位虹膜中心和半径的方法对眼睛状态进一步识别。将该方法应用于疲劳飞行视频处理，实验结果表明，此方法对睁眼和闭眼识别的平均准确率为94.9%，能满足飞行员疲劳监控的应用要求。