基于圖像識別的模擬駕駛疲勞檢測系統設計及實現

廣東工業大學自動化學院 岳 翼

基于圖像識別的模擬駕駛疲勞檢測系統設計及實現

廣東工業大學自動化學院 岳 翼

隨著科技和社會的發展，城市車輛數目日益增長。汽車行業疾速發展的同時，交通問題也變得越來越突出。按照公安部交管局的統計，每一年由于交通事故死亡的人數超過1000萬人，位居世界第一。交通問題無疑給人們的生活造成極大的不便與損失，同時也嚴重制約城市的發展，而疲勞駕駛[1]正是引發交通事故的主要原因之一。本文針對疲勞駕駛問題，提出了基于機器視覺[2]的疲勞駕駛檢測解決方案。本方案用基于圖像識別[3]的方法檢測和鑒別疲勞駕駛。并且用智能小車和游戲方向盤等硬件搭建了模擬駕駛系統。模擬駕駛系統與疲勞駕駛整合。構建了完善的模擬駕駛和疲勞檢測系統。實驗表明該方案能準確、實時的判斷駕駛員的疲勞狀態。

疲勞駕駛檢測；模擬駕駛系統

1.引言

本文針對交通安全問題中的疲勞駕駛問題，設計一種基于圖像處理的疲勞駕駛檢測系統，擬解決主要問題是駕駛員臉部信息實時，精確的檢測和定位；對駕駛員面部信息的高效，準確的分析；以及對疲勞狀態的可靠判斷。

本系統能夠實時，可靠的判斷駕駛員是否在疲勞駕駛，當發現駕駛員正在疲勞駕駛，就及時向駕駛員出報警。通過這種實時監測，快速報警的機制，能有效避免因疲勞駕駛而引發的交通安全事故。可以保障行車駕駛的安全性，降低因疲勞駕駛引發的交通事故，進而能間接緩解交通擁堵，增強人們的出行效率，降低出行風險及時間成本。具有很好的社會效益。

此外本文設計并實現了模擬駕駛系統，既能遠程駕駛智能小車，又能用于實驗驗證疲勞檢測算法的有效性。

2.模擬駕駛疲勞檢測系統硬件設計

2.1系統整體設計框架

本系統主要由疲勞檢測子系統，模擬駕駛子系統組成。系統實現功能為：當被試者通過連接在電腦端的方向盤對遠端的小車進行模擬駕駛時，后臺運行的疲勞駕駛檢測系統能實時檢測被試者的疲勞狀態，當發現其處于疲勞駕駛狀態時候，就及時發出報警。

圖1-1　系統結構框圖

2.2模擬駕駛子系統設計

模擬駕駛子系統通過連接在電腦上的方向盤能遠程模擬駕駛遠方的小車，小車能實時發回前方的路況信息，并在電腦端的人機界面進行顯示。

圖1-2　模擬駕駛系統的結構示意圖

模擬駕駛子系統硬件組成：模擬方向盤是由萊仕達勁馳生產的PXN-V66力反饋有線方向盤，這種方向盤是專為PC電腦主機而設計的。模擬方向盤具有方向盤，按鍵板，換擋桿，踏板等組件，較為真實的模擬實際方向盤。如圖1-3（a）、（b）所示。模型小車由東莞博思電子數碼科技有限公司生產的A型車模，尺寸為cm，有較好的調零裝置，可以自由組裝。根據模擬駕駛子系統的要求，模型車需要有相關的硬件電路，包括主控板，電機驅動板，傳輸網絡視頻的手機等。如圖1-3中（c）所示。要控制這樣一樣模型車，需要有相應的硬件電路支持，主要包括主控芯片，電源模塊，電機驅動，舵機驅動等組成，如圖1-3中（d）所示。

圖1-3　硬件結構

模擬駕駛子系統軟件部分：模擬駕駛子系統軟件部分主要為PC端的人機界面。人機界面使用LabVIEW進行編程，負責接收小車傳輸回來的視頻數據，采集模擬方向盤的數據并且將這些控制指令發送給小車。人機界面主要由視頻顯示界面，URL配置文本框，COM配置框，以及一些圖標組成。人機界面如圖1-4所示。

圖1-4　人機界面

圖1-5　攝像頭安裝示意圖以及實際檢測的效果圖

2.3疲勞檢測子系統設計

疲勞檢測子程序在電腦端后臺運行，通過安裝在駕駛員前方的攝像頭，采集駕駛員圖像信息，給后臺的圖像處理程序進行數據處理和疲勞分析，能夠實時監測駕駛員的駕駛狀態，當發現駕駛員處于疲勞駕駛時候，及時發出報警。

該子系統由圖像采集模塊，數據處理模塊組成。其中圖像采集主要靠硬件(USB攝像頭)實現，數據處理主要由運行在電腦端后臺的疲勞檢測程序實現，如圖1-5所示。

疲勞檢測子系統主要數據處理步驟為：預處理；人臉檢測；人臉跟蹤；睜眼檢測；疲勞判斷。詳見圖1-6。

圖1-6　疲勞檢測系統主要數據處理步驟

本文主要負責圖像預處理，人臉定位，人臉跟蹤和疲勞駕駛檢測程序的編寫。完成工作有對輸入圖像進行灰度化，直方圖均衡化，以及自定義算法的亮度增強和對比度增強。對人臉進行檢測和定位。利用Kalman濾波器對人臉進行跟蹤。并通過調用OpenCV函數庫及項目組自己訓練好的分類器，編寫了疲勞駕駛檢測程序。

3.軟件設計

疲勞檢測程序流程：主要由初始化，加載分類器，配置Kalman濾波器，捕獲圖像，預測人臉區域，檢測人臉區域，檢測眼睛區域，跟新Kalman濾波器，計算PERCLOS，疲勞報警等部分組成。其中主要的循環部分為人臉的檢測和跟蹤，眼睛的檢測和疲勞的判斷。見圖2。

圖2　疲勞檢測程序流程圖

4.測試

最后編寫的疲勞檢測程序能夠采集駕駛員圖像，并在后臺實時處理，計算其PERCLOS參數并在波形圖上畫出PERCLOS曲線圖，當PERCLOS值大于預設閥值（0.15）時，就發出聲音警報。實際檢測效果如圖3所示，其中綠色矩形框為根據Kalman跟蹤計算得到的感興趣區域，藍色框為實際檢測到的人臉區域，眼睛用兩個小矩形框標記出。每一時刻的PERCLOS曲線在左邊“坐標紙”上繪制出。

圖3　程序實際檢測效果圖

PERCLOS曲線畫在一個的白色圖像上，水平方向方向等分為20份，垂直方向方向等分為20份，并用循環的方式畫出這些分割線，就繪成了一個“坐標紙”。方向表示幀數，方向表示PERCLOS的值。每一幀都計算其PERLCOS值（100幀中閉眼幀數比例值），并在“坐標紙”中用紅線畫出閥值（0.15），當PERCLOS值大于閥值時候，電腦就會發出報警聲音和文字報警。PERCLOS曲線見圖4。

圖4　PERCLOS曲線

通過錄制不同疲勞表現次數的視頻給該系統進行檢測，所得實驗結果接近真實情況，誤檢測都在4次以內，誤判率小于0.15。正確報警次數接近實際疲勞狀態表現次數，正確率大于80%。平均檢測時間小于40ms，一秒鐘可以檢測25幀以上，滿足實時性的要求。證明，該疲勞檢測系統能夠實時、正確的分析出駕駛員疲勞狀態。檢測效果如表1所示。

表1　疲勞檢測效

實驗表明，本文方法對疲勞駕駛的檢測平均正確率可達到85%以上，誤判率在10%以下。證明該方案的可行性和有效性。

5.結論

本章闡述了疲勞駕駛檢測程序的結構框架，以及數據處理流程。對程序的實際檢測效果進行了分析。分析表明，本程序能夠實時，正確的監控駕駛員的狀態。并且對于光照和人臉的大角度偏轉有很好的魯棒性。

[1]周鵬.疲勞事故隱患消除技術與方法[J].汽車電器,1998(4):16-17.

[2]胡占奇,劉洪瑋.基于小波分析和幾何特征的人臉識別方法研究[J].微型機與應用,2009,28(15):21-24.

[3]劉洪榛.基于機器視覺的疲勞駕駛檢測算法研究[D].廣州:華南理工大學,2012.

岳翼（1990—），云南鎮雄人，碩士研究生，現就讀于廣東工業大學。