基于圖像識別與雷達測距技術的開車看手機安全預警系統(tǒng)

胡智超++呂亮

摘 要：隨著交通運輸業(yè)的發(fā)展，交通事故已成為當前世界各國所面臨的嚴重問題，而因開車看手機造成的交通事故正在逐年增加。針這一現(xiàn)象，提出一套基于圖像識別與雷達測距技術的開車看手機安全預警系統(tǒng)。本系統(tǒng)采用基于opencv的圖像處理技術用于檢測駕駛員是否在看手機，利用雷達測距用于對外部障礙物數(shù)據的采集，根據相應算法判斷其是否存在危險，最后根據兩者結果綜合判斷，建立相應安全等級，輔助駕駛保障駕駛員行車安全。

關鍵詞：開車看手機 安全預警 圖像識別 雷達測距 系統(tǒng)開發(fā)

中圖分類號：U471.1 文獻標識碼：A 文章編號：1672-3791（2017）11（b）-0016-02

隨著智能手機的普及，除了給人們的生活帶來許多便利以外，還影響著人們的日常生活。目前，許多司機在開車時都養(yǎng)成了看手機的習慣，然而因為這一壞習慣所引發(fā)的交通事故逐年增多。據上海市的不完全統(tǒng)計，2014年1至10月，本市共發(fā)生致人死亡交通事故690起，其中由開車接聽電話、玩微信等“其他妨礙安全行車的違法行為”引發(fā)的死亡事故高達204起，占到了總數(shù)的29.6%。

目前有些國家也研發(fā)了一些技術來預防因為開車看手機而造成的交通事故，例如英國一家企業(yè)開發(fā)的一款手機應用能夠監(jiān)測用戶的開車速度，當時速達到6km時自動關閉撥出電話、收發(fā)短信和電子郵件、社交軟件等會分散司機注意力的功能。國外對于開車玩手機主要通過手機應用層面來限制手機的使用，這種做法過于被動不適于我國國情，通過主動輔助安全駕駛在我國是更容易被接受。而國內對于開發(fā)車內監(jiān)測駕駛員開車看手機預警系統(tǒng)并沒有太多的研究成果。

1 系統(tǒng)的實際構成及工作流程

1.1 系統(tǒng)模塊

如圖1所示，本系統(tǒng)總共分為4個模塊，分別是看手機狀態(tài)監(jiān)測模塊、行駛障礙物雷達測距模塊、嵌入式系統(tǒng)模塊（包括潛在事故風險綜合判斷模塊和音頻報警模塊）、通信供電模塊。

1.2 工作流程

當汽車在道路上行駛時，周圍的環(huán)境都是不確定的。本系統(tǒng)是通過檢測駕駛員的駕駛狀態(tài)，并判斷他此時是否在玩手機，同時啟動RPLIDAR雷達測距儀來檢測周圍的道路環(huán)境。雷達將檢測到的數(shù)據發(fā)送給潛在事故風險綜合判斷模塊，經過所設定的一系列程序處理之后，在綜合開車看手機狀態(tài)監(jiān)測結果進行綜合風險判斷。如果判斷出處于危險情況下，則將所得的結果發(fā)送給音頻報警模塊進行報警：只檢測到駕駛員在看手機為一級警報，只檢測到存在危險障礙物為二級警報，同時檢測到這兩種情況為三級警報，危險等級依次上升，音頻警報頻率依次上升。工作流程圖如圖2所示。

2 關鍵技術

2.1 看手機狀態(tài)監(jiān)測模塊

看手機狀態(tài)監(jiān)測模塊是以圖像識別作為解決方法，利用opencv語言的圖像處理，對攝像頭設置定時抓拍的照片進行處理，利用手機屏幕反光和發(fā)光其周圍光點多的情況，首先運用opencv中的canny算法進行圖像的邊緣檢測，在利用findcontours函數(shù)獲取到圖像的所有輪廓，然后通過增大閾值將背景干擾輪廓進行進一步的過濾，得到預處理后的圖像；得到圖像會有比較散碎的輪廓，為了進一步的將輪廓提取出來，對該圖像進行膨脹操作，將相鄰的零星線條集中在一起得到膨脹圖，最后運用外接圓或者外接矩形的方法進行處理，為了能夠進一步的篩選提高準確率，通過設置最小外接矩形的寬度以及長寬比得到最終的檢測圖像，將手機識別出來。

2.2 行駛障礙物雷達測距模塊

該模塊采用的是RPLIDAR雷達測距儀。RPLIDAR采用了激光三角測距技術，再配合高速視覺采集處理機構，每次測距過程中，RPLIDAR將發(fā)射經過調制的紅外激光信號，該激光信號在照射到目標物體后產生的反光將被RPLIDAR的視覺采集系統(tǒng)接收，然后經過嵌入在RPLIDAR內部的DSP處理器實時解算，被照射到的目標物體與RPLIDAR的距離值以及當前的夾角等信息將從通訊接口中輸出。

2.3 嵌入式系統(tǒng)模塊

2.3.1 潛在事故風險綜合判斷模塊

本模塊對障礙物進行風險判斷，同時結合開車看手機狀態(tài)檢測模塊結果進行綜合風險判斷。障礙物風險判斷從橫向距離和縱向距離兩個指標來進行判斷。開車看手機會明顯增大車輛的偏離車道次數(shù)，因此為保證安全設定橫向安全距離。對于大于橫向安全距離的障礙物可以看作是安全的，而對于橫向安全距離內的障礙物再通過縱向距離來進行判斷。縱向距離風險判斷是基于車輛性能下的制動模型的，根據道路的實際情況，實時通過車速，制動減速度等參數(shù)計算出安全距離，再與測得的實際縱向距離比較進行風險判斷（本模塊有具體核心算法）。

2.3.2 音頻報警模塊

本模塊所采用的主要元器件是蜂鳴器，根據危險等級的高低發(fā)出不同頻率的警報。

3 系統(tǒng)硬件構成

系統(tǒng)的硬件部分主要由攝像頭、RPLIDAR雷達、STM32F407單片機構成。攝像頭采用一般高清攝像頭，能夠清楚的拍到駕駛員開車時的實時狀。RPLIDAR是激光掃描雷達，輸出頻率為5.5Hz，測距的精度可達到0.2cm，測量范圍是360°，可以清楚的檢測到周圍的道路環(huán)境。集成開發(fā)板的核心芯片是基于Contex M4內核的STM32F407單片機，正常工作頻率為168MHz，含有SERISE，CAN，I?C，USB等通信接口，由于設計對傳輸距離要求不高，采用串口作為數(shù)據通信（配置為波特率115200，一位停止位，無校驗）。獲取雷達數(shù)據時采用串口的DMA模式傳輸，與RPLIDAR進行的通訊采用非文本形式的二進制數(shù)據報文進行，且每個數(shù)據報文均具有統(tǒng)一的報頭數(shù)據格式。

4 應用前景

隨著信息化時代的飛速發(fā)展，越來越多的人們出行離不開手機，而隨著汽車的普及，越來越多的人們出行會選擇開車。人們在開車的時候又時常與手機進行“交流”，一旦發(fā)生突發(fā)狀況，不僅不利于自身的安危，也會影響道路交通的正常秩序。如果該系統(tǒng)應用成功并且普及，便可以有效避免因開車看手機發(fā)生的安全事故，做到真正的安全出行、和諧交通。

參考文獻

[1] 毛星云，冷雪飛.OpenCV3編程入門[M].電子工業(yè)出版社，2015.

[2] 王偉杰，王春磊，王玖，等.高速公路最小行車安全距離及預警系統(tǒng)設計[J].大連交通大學學報，2010（5）：6-10.

[3] 許倫輝，羅強，吳建偉，等.基于最小安全距離的車輛跟馳模型研究[J].公路交通科技，2010（10）：95-100.

[4] 潘勇，唐自強，龔賢武，等.基于行駛狀態(tài)估計的車車協(xié)同縱向安全距離模型[J].公路交通科技，2016（7）：137-144.

[5] 李焱琪.手機使用對駕駛行為影響研究綜述[J].青年科學：教師版，2014（9）.endprint