目前科技有長足的進步，智慧型手機普及率也有大幅度成長，但因此讓分心駕駛的情況日益嚴重，許多交通意外大部分都是因為分心所導致的，因此目前許多影像辨識相關研究都致力於輔助駕駛可以集中注意力於道路上。而在分心駕駛檢測中可以抓取的特徵點分為頭部特徵、身體姿勢、手部定位等等，而頭部特徵又可以分為臉部表情、瞳孔辨識、眨眼頻率、頭部轉向角度等等，本研究將會以瞳孔辨識進行探討。

然而在瞳孔辨識的過程中會有許多干擾的因素，而這些干擾因素會影響瞳孔辨識之精準度，因此本研究著重於探討可能影響本系統的各種因素，對這些影響因素進行測試，如:明亮度、二值化、眼鏡配戴與否、鏡頭設置角度位置、影格率、解析度等等進行測試、分析，在環境因素、駕駛因素等等不同的情況下，如何調整本系統來達到最佳的運行效能。

Due to lot of technology progress in nowdays, popularity of smart phone has increse. So the situation of distracted driving is getting more worsed. Because the most traffic accidents are caused by distracting, many studies of image processing are committed to support driver to focus on the road. Detections of distracted driving are divided into head feature, posture, hand positioning and so on. Further, head features can divide into facial expression, pupil identification, blink frequency, head angle and so on. And this study will use pupil detection to discuss.

However, there are many factors affect accuracy in process of pupil detection. So this study focuses on evaluating various factors that may affect the system. Making a experiment and analyze to luminance, binarization, glasses, angle of camera setting, Frame Per Second, image resolution and so on. Further, evaluating the various factors to improve this system to better efficiency is the major goal in this study.

目錄
摘要 iv
Abstract v
致謝 vi
目錄 vii
表目錄 x
圖目錄 xii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 1
1.3 論文架構 2
第二章 文獻探討 3
2.1 非正常駕駛行為分類 3
2.1.1 分心駕駛 3
2.1.2 疲勞駕駛 3
2.1.3 危險駕駛 4
2.2 分心駕駛行為分析與界定 5
2.3 偵測分心駕駛方式分類 7
2.3.1 感測器 7
2.3.2 影像辨識 – 車外監控車道偏移 7
2.3.3 影像辨識 – 車內駕駛身體訊號 8
第三章 系統設計與研究方法 12
3.1 系統架構 12
3.1.1 整體系統處理流程圖 12
3.1.2 瞳孔偵測影像處理流程圖 12
3.2 系統硬體&軟體環境介紹 13
3.2.1 開發環境與軟體功能 13
3.2.2 硬體規格 14
3.3 瞳孔辨識影像處理 15
3.3.1 顏色空間轉換 15
3.3.2 二值化處理 16
3.3.3 移除眉毛 18
3.3.4 圖像形態學-膨脹(dilation)、腐蝕(erosion) 18
3.3.5 圖像平滑-中間值濾波(medianBlur) 20
3.4 分類器(Haar cascades) 21
3.5 瞳孔追蹤系統評估設計 23
3.5.1 二值化(Binarization) 23
3.5.2 明亮度(brighten) 24
3.5.3 眼鏡遮擋(glasses) 24
3.5.4 鏡頭設置角度(camera angle) 25
3.5.5 影格率(frame rate) 26
3.5.6 解析度(resolution) 26
第四章 實驗成果與探討 27
4.1 實驗前置作業 27
4.1.1 道路影片錄製地點 27
4.1.2 影片錄製規格 28
4.1.3 效能的評估方式 30
4.2 二值化實驗結果 31
4.3 明亮度實驗結果 39
4.4 配戴眼鏡之影響 39
4.5 鏡頭設置角度之影響 40
4.6 解析度之影響 42
4.7 影格率(FPS)之影響 43
第五章 結論 45
參考文獻 46

表目錄
表 2-1：民國106A1交通事故原因分析與分類 4
表 3-1：灰階比較表 16
表 3-2：二值化五種操作型態 17
表 3-3：閾值比較表 18
表 3-4：移除眉毛後的圖片 18
表 3-5：膨脹處理 20
表 3-6：腐蝕處理 20
表 3-7：中間值率波前 21
表 3-8：中間值率波後 21
表 3-9：中間值率波比較 21
表 3-10：二值化四種情境 24
表 3-11：無配戴眼鏡明亮度比較 24
表 3-12：配戴眼鏡明亮度比較 24
表 3-13：眼鏡遮擋比較 25
表 3-14：無配戴眼鏡多角度 25
表 3-15：配戴眼鏡多角度 25
表 3-16：影格率比較表 26
表 3-17：解析度比較表 26
表 4-1：鏡頭設置角度 28
表 4-2：影片數據參考表 30
表 4-3：不同二值化的結果 31
表 4-4：初始影片各閾值數據 32
表 4-5：戴眼鏡影片各閾值數據 33
表 4-6：初始昏暗影片 35
表 4-7：昏暗-眼鏡 37
表 4-8：無配戴眼鏡明亮度比較 39
表 4-9：配戴眼鏡明亮度比較 39
表 4-10：有沒配戴眼鏡比較 39
表 4-11：昏暗情況下有沒配戴眼鏡比較 40
表 4-12：無配戴眼鏡多角度 40
表 4-13：配戴眼鏡多角度 41
表 4-14：解析度比較表 42
表 4-15：影格率比較表 43


圖目錄
圖 2-1：認知人因工程關係圖 6
圖 2-2：眼睛構造介紹 9
圖 2-3：演算法處理過程 10
圖 3-1：整體系統處理流程圖 12
圖 3-2：瞳孔偵測影像處理流程圖 13
圖 3-3：Logitech C525 HD 14
圖 3-4：視連科 Vico-Opia1 Specification 15
圖 3-5：膨脹 19
圖 3-6：腐蝕 20
圖 3-7：OpenCV 遮罩特徵 23
圖 4-1：第一科大東校區錄製路線 27
圖 4-2：初始影片各閾值長條圖 33
圖 4-3：戴眼鏡影片各閾值數據長條圖 34
圖 4-4：眼鏡反光 35
圖 4-5：初始昏暗影片長條圖 36
圖 4-6：無配戴眼鏡昏暗 37
圖 4-7：二值化閾值80 37
圖 4-8：二值化閾值20 37
圖 4-9：昏暗-眼鏡長條圖 38
圖 4-10：無配戴眼鏡多角度長條圖 41
圖 4-11：配戴眼鏡多角度長條圖 42
圖 4-12：解析度長條圖 43
圖 4-13：影格率長條圖 44

參考文獻

[1]wiki. (2019). 美國國家公路交通安全管理局. Available: https://reurl.cc/allvjG
[2]交通部. (2019). 道路交通管理處罰條例. Available: https://law.moj.gov.tw/LawClass/LawSingle.aspx?pcode=K0040012&flno=31-1
[3]鳳眼觀車. (2015). 開車不專心 安全無保證 幾張動圖讓你拒絕危險駕駛. Available: https://kknews.cc/zh-tw/society/g8maopl.html
[4]林燕. (2017). 五個危險動作 正常駕駛時也不能做. Available: https://reurl.cc/Yl7xD4
[5]曾議賢, "認知分心對變換車道駕駛行為的影響,國立交通大學運輸科技與管理碩士論文" 2004.
[6]蓋世汽車. (2018). 對抗疲勞駕駛和分心駕駛以色列Guardian在傳感器內添加檢測駕駛員頭部位置功能. Available: https://kknews.cc/zh-tw/car/xlmyl58.html
[7]內政部警政署. (2018). 107年第14週(106年A1類道路交通事故肇事原因與肇事者特性分析)-肇事原因逾9成4為駕駛人過失；「70歲以上」者肇事率每10萬人9.37件最多. Available: https://www.npa.gov.tw/NPAGip/wSite/ct?xItem=86936&ctNode=12594&mp=1
[8]李坤霖, "車用電子地圖之導向對於高齡駕駛者之導航績效影響,義守大學工業工程與管理學碩士論文" 2005.
[9]Y. G. K. I. H. Choi, "Head pose and gaze dircetion tracking for detecting a drowsy driver," IEEE Transactions on Computational Social Systems, 2014.
[10]Z. H. F. Vicente, X. Xiong, F. D. L. Torre, W. Zhang, "Driver gaze tracking and eyes off the road detection," IEEE Transactions on Computational Social Systems, 2015.
[11]W. Wang, Huang, Y., Zhang, R, "Driver gaze tracker using deformable template matching," IEEE Transactions on Computational Social Systems, 2011.
[12]醫聯媒體. (2018). 瞳孔變化與身體健康密切相關，真的由不得你不信. Available: https://kknews.cc/health/bazevyj.html
[13]A. Sahay and P. Biswas, "Webcam Based Eye Gaze Tracking Using a Landmark Detector," presented at the Proceedings of the 10th Annual ACM India Compute Conference on ZZZ - Compute '17, 2017.
[14]Z. H. Francisco Vicente, Xuehan Xiong, Fernando De la Torre, Wende Zhang, and Dan Levi, "Driver Gaze Tracking and Eyes Off the Road Detection System," IEEE Transactions on Computational Social Systems, 2014.
[15]Y. H. Wei Wang, Renjie Zhang, "Driver Gaze Tracker Using Deformable Template Matching," IEEE Transactions on Computational Social Systems, 2011.
[16]S. Hu, Z. Fang, J. Tang, H. Xu, and Y. Sun, "Research of Driver Eye Features Detection Algorithm Based on OpenCV," presented at the 2010 Second WRI Global Congress on Intelligent Systems, 2010.
[17]G. F. G. Sean L. Gallahan, Abhishek P. Jain, Ashley E. Samay, Tyler J. Trerotola, John G. , Weisskopf, and Nathan Lau, "Detecting and Mitigating Driver Distraction with Motion Capture Technology: Distracted Driving Warning System," 2013 IEEE Systems and Information Engineering Design Symposium, pp. 76-81, 2013.
[18]logitech. (2019). logitech C525. Available: https://www.logitech.com/zh-tw/product/hd-webcam-c525
[19]JOHNSON.WANG. (2017). Vico Opia1 開箱 WiFi 星光夜視行車記錄器. Available: https://reurl.cc/zygm7e
[20]wiki. (2018). CIE1931色彩空間. Available: https://reurl.cc/L1j9Zx
[21]OpenCV. Face Detection using Haar Cascades. Available: https://docs.opencv.org/3.4.1/d7/d8b/tutorial_py_face_detection.html
[22]CH.Tseng. (2018). Opencv Cascade Object Detection. Available: https://chtseng.wordpress.com/2018/06/15/opencv-cascade-object-detection/