超越EAR的眨眼：用于驾驶员疲劳检测与数据增强的稳定眼睑角度度量

可靠地检测驾驶员疲劳对于提升道路安全和支持高级驾驶辅助系统（ADAS）至关重要。我们提出眼睑角度（ELA），一种从3D面部特征点导出的新颖、可复现的眼部张开度量。与传统的二元眼状态估计器或眼长宽比（EAR）等二维度量不同，ELA提供了对眼睑运动的稳定几何描述，对相机角度变化具有鲁棒性。利用ELA，我们设计了一个眨眼检测框架，提取包括闭合、完全闭合和重新开启持续时间在内的时序特征，这些特征被证明与疲劳水平相关。为解决自然疲劳数据的稀缺性和采集风险，我们进一步利用ELA信号在Blender 3D中驱动 rigged 虚拟角色动画，实现创建具有可控噪声、相机视角和眨眼动态的真实合成数据集。在公开驾驶员监控数据集上的实验结果表明，与EAR相比，ELA在视角变化下具有更低的方差，并能实现准确的眨眼检测。同时，合成数据增强扩展了疲劳识别训练数据的多样性。我们的发现凸显了ELA既是可靠的生物特征度量，也是驾驶员状态监控中生成可扩展数据集的有力工具。