在当前时段对车辆的操控状态;综上，以当前时段累计驾驶时间作为驾驶员表情状态、肢体状态和车辆操控状态的时间戳，更新跟踪驾驶员行驶状态变化的数据，分析更新数据中驾驶员的状态变化，判断当前时刻驾驶员是否处于疲劳驾驶。通过人脸识别，跟踪驾驶员面部表情和肢体动作随时间推移，呈现出从正常状态到疲劳状态变化，譬如闭眼时间变长，低头频次增加等;跟踪驾驶员车辆操控状态是否随时间下降，譬如方向盘转动方差变大等，以此检测驾驶员是否处于疲劳驾驶状态。
[0108]驾驶环境监测系统:可以包括检测当前车辆是否偏离车道模块105、检测行车前方是否有行人模块106、前车的行车距离是否存在碰撞距离内模块107，用以根据第二摄像装置获取的车辆周围状态进行驾驶环境监测;所述检测当前车辆是否偏离车道模块105，用以检测行驶过程中的车辆是否偏离了车道，可以按照BLIS盲区监测系统进行检测，并通过设置在后视镜的支柱上有并线提醒灯来提醒驾驶员。所述检测行车前方是否有行人模块106，用以根据碰撞距离来进行行人距离判断，若大于碰撞距离，则不进行预警，若小于碰撞距离，则需要进行预警。所述前车的行车距离是否存在碰撞距离内模块107，用以根据碰撞距离来进行前车距离计算，并进行预警，可以通过摄像头采集前车的信息，并且可以与其它方式进行配合。
[0109]HUD109，用以将上述的驾驶员状态监控和驾驶环境监测的结果，处理后进行相应的提醒，提醒包括声音装置上的提醒、物理装置上的施加动作，比如提交座椅的高度、倾斜角等。所述HUD109放置于所述车内的仪表台的正上方。
[0110]图7是在图6中安全驾驶辅助系统操作流程示意图(基于获取驾驶员行车状态信息)。
[0111]步骤S701输入图像，包括但不限于人脸图像、驾驶员手势图像，在人脸图像中包括虹膜识别图像、脸部识别图像。
[0112]进行手势识别:
[0113]步骤S702图像预处理，对图像进行预处理，预处理的过程包括但不限于:有数字化、几何变换、归一化、平滑、复原和增强。数字化一幅原始照片的灰度值是空间变量(位置的连续值)的连续函数。在M X N点阵上对照片灰度采样并加以量化(归为2个灰度等级之一)，可以得到计算机能够处理的数字图像。几何变换用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。归一化使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。图像的某些性质，例如手指的轮廓，本来对于坐标旋转来说就具有不变的性质。平滑消除图像中随机噪声的技术。对平滑技术的基本要求是在消去噪声的同时不使图像轮廓或线条变得模糊不清。可以采用:中值法、局部求平均法和k近邻平均法。基本的复原技术是把获取的退化图像g(x，y)看成是退化函数h(x，y)和理想图像f(x，y)的卷积。它们的傅里叶变换存在关系6(11，￥)=!1(11，￥)?(11，￥)。根据退化机理确定退化函数后，就可从此关系式求出F(u，v)，再用傅里叶反变换求出f(x，y)。增强对图像中的信息有选择地加强和抑制，以改善图像的视觉效果，或将图像转变为更适合于机器处理的形式，以便于数据抽取或识别。例如一个图像增强系统可以通过高通滤波器来突出图像的轮廓线，从而使机器能够测量轮廓线的轮廓。图像增强技术可以采用，反差展宽、对数变换、密度分层和直方图均衡等都可用于改变图像灰调和突出细节。
[0114]S703手势检测，根据上述的结果进行手势检测，本领域技术人员能够明了的，所述手势检测可以在预设置的手势库中对检测到的手势图像进行识别匹配，比如，检测分析得到手势检测结果为“ok”手势，则对所述的“ok”手势在手势库中进行匹配，并执行对应的操作指令。
[0115]步骤S704是否为有效手势，判断是否为有效的手势，若不是有效的，则不触发任何的操作指令，也不记录在服务器中，若是有效的，则触发操作指令，所述的操作指令包括但不限于:唤醒指令处理、导航指令，电话指令，音乐指令，微信指令。
[0116]步骤S705若是则输出手势指令，此步骤可以将手势指令转化为机器的操作指令，并直接通过HUD进行输出。
[0117]进行疲劳检测:
[0118]步骤S706人脸检测，可以按照如下的方式进行实施:采用积分图像(integralimage)，用以快速计算Haar-1ike特征;然后利用Adaboost学习算法进行特征选择和分类器训练，把弱分类器组合成强分类器;最后，采用分类器级联提高效率。
[0119]步骤S707人眼检测，主要包括虹膜识别，包括:红外发射器、虹膜识别摄像头和红外感应模块，上述红外感应模块包含红外感应器和设置于该红外感应器的感应部位之前的红外滤波器；当虹膜识别系统的工作模式为虹膜识别模式时，通过红外发射器和虹膜识别摄像头搜集虹膜数据，对搜集到的虹膜数据进行生物识别；当虹膜识别系统的工作模式为摄像模式时，获取虹膜识别摄像头采集到的图像，并同步获取红外感应模块感应到的红外信号;根据获取的红外信号，对同步获取的图像进行修正。
[0120]步骤S708判断是否进行疲劳驾驶，可以按照如前所述的方式判断是否进行疲劳驾驶。
[0121]步骤S709提醒驾驶员进行休息，提醒方式可以直接在HUD上进行显示，或者发出报塾目ο
[0122]进行身份识别:
[0123]步骤S710人脸识别，可以先预存车主的信息在人脸库中，用以后续的识别，车主的信息包括但不限于:车主的人脸照片或者视频流，以及与车主绑定的手机号。
[0124]步骤S711判断是否为车主，与预存的车主信息进行匹配，用以判断是否为车主。
[0125]步骤S712若否则提醒车主，若不是车主，则可以通过手机发送短信至车主，提醒车主车辆为非车主操作。
[0126]图8是在图6中安全驾驶辅助系统操作流程示意图(车辆周围的状态信息)。
[0127]步骤S801输入图像
[0128]步骤S802图像预处理，优选地，采用摄像机的位置调节算法中的参数提取得到图像的感兴趣区域(ROI)以及进行边缘检测，增加图像的有效信息，抑制干扰。可根据不同环境(白天、阴天、夜晚)下对得到的检测结果设置参数。
[0129]步骤S803车道线检测，优选地，采用HOUGH变换的车道线检测:
[0130]p = x cos0+y sin0
[0131]其中，(x，y)表示的是图像空间中的某一个点，P是图像空间中直线到坐标原点的距离，Θ是直线与X轴的夹角。对于图像空间的目标点进行坐标变换投影得到参数空间，通过统计参数空间的总投票次数较多的点，找到图像空间对应的直线方程。针对图像中道路的车道线一般分布在道路左右两边的情况，对P和Θ的投票空间范围进行限定。限定其左右车道线的极角和极径，通过多次的测试，能够得到目标点的极角约束区域和极径约束区域，即得到R0I。最后再采用GABOR滤波器针对道路车道线不清晰或者存在其他标志干扰的情况。
[0132]步骤S804判断车辆在车道中的位置，根据上述得到车道线的极角和极径在监测区域内是，可以快速准确地检测车道线的位置。并通过GABOR滤波器排出图像在转弯时、变道或者摄像位置偏移时采集到的图像信息。
[0133]步骤S805判断是否跨越车道?可通过图像的感兴趣区域(ROI)进行判断。
[0134]步骤S806提醒驾驶员注意车道，若上述判断偏离车道线，则发出报警或者信号等闪烁进行提醒。
[0135]步骤S807H0G特征检测，HOG特征，即是方向梯度直方图(Histogram of OrientedGradient，H0G)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。
[0136]首先将采集到的行人图像分成小的连通区域，得到细胞单元，然后采集所述细胞单元中各像素点的梯度或边缘的方向直方图；最后把所述得到的直方图组合起来就可以构成特征描述器，即得到行人检测的特征描述子。优选地，可所采用的方法是:先计算上述各直方图在block区间中的密度，然后根据这个密度对区间中的各个细胞单元做归一化。通过这个归一化后，能对光照变化和阴影获得更好的效果。
[0137]步骤S808行人检测，
[0138]HOG特征提取方法就是将一个目标或者扫描窗口进行如