一種防疲勞駕駛的嵌入式實時監測系統

王軍

摘要：本文完成了疲勞駕駛實時監測系統的軟件開發和DSP硬件設計。把眼睛檢測及跟蹤算法移植到專用DSP上，并設計了數據采集、數據處理、抗干擾濾波處理等幾個軟件功能模塊。硬件方面自行設計并制作了監測系統的電路板等。

關鍵詞：疲勞駕駛；人眼識別；監測

近年來，隨著經濟增長汽車保有量逐年增加，隨之產生的交通事故問題引起人們的高度重視。疲勞駕駛是發生交通事故的重要原因之一，有效的疲勞檢測系統可以避免由疲勞駕駛所引起的交通事故的發生，減少人員傷亡和財產損失，該文提出了一種防疲勞駕駛的嵌入式實時監測系統從而判斷駕駛員是否疲勞。

一、系統硬件設計

本文設計的基于的疲勞駕駛實時監測系統由如下幾部分構成視頻圖像的采集、視頻圖像的顯示輸出、各種同步邏輯控制、視頻圖像的分析和處理、結果顯示及報警裝置。

（一）圖像采集模塊

圖像采集模塊選用的是SONY420紅外CMOC攝像頭。這種攝像頭優點是：能夠感應外界光線，若外界光線滿足要求時，則采集的圖像為普通彩色圖像；若外界光線不足時，攝像頭自動打開鏡面上的LED紅外燈，利用LED發出的紅外光作為光源，此時采集的圖像為紅外圖像，這樣保證系統能夠在全天氣候下工作。另外，人眼中的視網膜不會感知到紅外光，在檢測過程中駕駛員不會產生強烈的不適感。

（二）人眼識別模塊

人眼識別模塊的處理器選用TI公司的TMS320DM642型DSP處理器。因為該處理器有8個獨立計算的功能單元，具有很高的運算速度，很強的數字處理功能，高度的可編程性。人眼識別模塊的硬件電路主要包括：DSP處理器、視頻解碼器芯TVP5150、SDRAM和FLASH存儲器、報警裝置、計時裝置。視頻解碼器芯片TVP5150是將采集到的模擬信號轉化為DSP識別的數字信號。因為系統斷電后，DSP中的數據會丟失，所以在DM642外部擴展FLASH和SDRAM存儲器。

（三）計時模塊及報警模塊

為了滿足系統硬件簡潔性、經濟性的設計原則。計時模塊選用CYPRESS公司生產的CY22381FC計時芯片。因為CY22381FC計時芯片結構簡單，頻率范圍寬，驅動能力強，工作時能同時提供多個時鐘電路，工作電壓為3.3V。報警模塊采用物美價廉的蜂鳴器。

二、系統軟件設計

本控制系統中采用的μC/OS-Ⅱ是著名的源碼公開的實時內核，用ANSI的C語言編寫，包含小部分匯編代碼，使之可以供不同構架的微處理器使用。

（一）圖像預處理

人眼預處理主要包括：人眼定位、去噪、增強圖像。因為實際采集到的人眼圖像并不是完整的眼部圖像，包含有其他的背景和不完整的眼部圖像，這樣容易使程序對人眼域劃分錯誤，所以利用圖像預處理技術對光照及噪聲影響等問題進行糾正。

（二）特征提取

人眼的特征提取和匹配是整個人眼識別模塊的核心部分。人眼的特征提取主要是通過Canny邊緣算子提取出人眼的外側邊緣，通過Hough變換求解出內圓圓心及半徑，通過基于單行梯度最大值法計算出人眼外側邊緣；最后通過二維Gabor小波變換提取出人眼特征。在提取人眼特征時需要在二維Gabor小波變換的極坐標下完成。因為這樣可以避免因人眼大小的改變及瞳孔的膨脹而導致提取的人眼特征發生變化。

（三）人眼匹配

人眼匹配就是待測試的人眼特征向量與存儲器中的人眼特征向量進行相似性的比較。人眼識別模塊的最終目的是要準確地找出相匹配的人眼。人眼匹配采用的是基于比較兩人眼特征向量的海明距離（Hammingdistance，HD）來實現人眼匹配。該匹配方法具有簡單、快速、方便等優點。

三、系統的工作過程

系統的計時模塊是參照《中華人民共和國道路交通安全法實施條例》中規定的連續駕駛時間及停車休息時間，來設置駕駛員的連續駕駛時間和休息時間。系統主要檢測兩個過程具體如下：

（一）連續駕駛中途不停車

當駕駛員行駛在高速公路上或者是交通狀況良好的城市道路上時，駕駛員一般都是連續駕駛中途不停車。此時系統的檢測過程：ECU接收到傳感器信號后，命令cm。C攝像頭采集圖像，DSP命令計時模塊計時，視頻解碼器進行圖像轉換，人眼識別模塊進行人眼識別。匹配完成后鎖定該人眼，即鎖定這個駕駛員。通過計時模塊記錄駕駛員連續行車時間H，來判斷駕駛員是否疲勞駕駛。

（二）中途停車

現實生活中駕駛員并不一定是連續駕駛，有可能中途停車換駕駛員，也有可能因為某種原因停車，這樣系統在檢測過程中必須能夠及時地作出響應。中途停車時此過程主要是根據人眼識別結果，停車時間h及連續駕駛時間H這3個量來判斷計時模塊是重新工作，還是繼續接著上次駕駛時間計時，以及報警模塊是否要發出報警信號。

四、測試與分析

目前國內外還沒有建立標準的人眼庫。為了便于試驗，在不同時間、環境下采集了20人，每人8張（左眼4張，右眼4張），大小為640×480的人眼圖像。其中4張作為測試樣本，另外4張作為訓練樣本。試驗方法就是將全部的測試樣本和訓練樣本進行對比匹配。總共要完成20×4+20×4=160次匹配。對試驗結果分析發現，人眼識別時，錯誤率為4.39%。對計時模塊研究發現，當人眼識別成功后，計時模塊的反應有些滯后，平均滯后時間1.51s，滯后的時間仍在可接受的范圍內。

參考文獻：

[1]牛清寧，周志強，金立生，等.基于眼動特征的疲勞駕駛檢測方法[J].哈爾濱工程大學學報，2015.

[2]劉亞濤，王立峰，張廣聽.基于人臉識別的疲勞駕駛檢測及識別系[P].中國專利號201320000232，2013-0-01.