基于行為特征的非接觸式疲勞駕駛預警系統

李新浩 蔣順彥 何文 曾曉文

摘要：隨著社會經濟的發展，機動車輛與日俱增，由駕駛疲勞引起的交通問題越來越受到人們的關注。盡管目前已有一些簡單的防疲勞駕駛的檢測方法，但是具有非接觸式的、實時性的、高靈敏度和可靠性防疲勞駕駛的監測方法至今在國內尚未得到很好的解決。

本設計是通過在視頻中使用Kalman法對人臉進行自動跟蹤，然后利用DSP進行一系列圖像處理，最后得到眼睛的二值化圖像，從而判斷出眼睛開合狀態或眨眼頻率。根據采集的數據，結合PERCLOS法來判斷駕駛員是否出現疲倦，并在出現疲倦特征的時候做出警告。如果在多次警告后駕駛員的精神狀態依然沒有改善的情況下，系統會自動降低車速，并通過汽車后窗上的電子屏以文字“疲勞駕駛，正在減速，請您留意”提示，以保證行車安全。同時，系統還會持續地發出警告，直到駕駛員重新復位系統。而且，該系統還具有行車記錄功能，每秒鐘都會把當前行車的部分數據，如當前時間、車速、駕駛員眨眼次數、精神狀況等記錄下來。

關鍵詞：疲勞駕駛 ;人臉自動跟蹤;疲勞判斷;DSP;預警系統

1 前言

疲勞駕駛是當今交通安全的重要隱患之一。駕駛人在疲勞時，其對周圍環境的感知能力、形勢判斷能力和對車輛的操控能力都有不同程度的下降，因此很容易發生交通事故。統計數據表明，在2007 年至2008 年我國直接由疲勞駕駛導致的死亡人數分別占機動車駕駛人交通肇事總死亡人數的11.35% 、10.91% 和12.5% ，大約每年有9000 人死于疲勞駕駛。因此，研究開發高性能的駕駛人疲勞狀態實時監測及預警技術，對改善我國交通安全狀況意義重大本作品較為突出的難題有以下幾點：

（1）人臉的自動跟蹤

本作品所介紹的防止疲勞駕駛測試系統是以車速作為觸發的。當車速低于70km/h時，系統處于休眠模式，不會對人眼進行監測。當車速超過這個閥值時，系統就會進入檢測模式，開始對駕駛員的精神狀態進行監視。駕駛員的臉不可能一直保持在同一個位置，所以監視時如何自動找到跟蹤人臉便是疲勞檢測的首要解決的問題。初步確定可利用Kalman自動跟蹤人臉。

（2）人眼開合狀態的檢測判別

眼睛在臉部的相對位置基本能找出眼睛的位置，但系統要有普遍適用性，所以對于不同駕駛員的眼睛來說，根據相關文獻，用模式識別的話分類得到的結果起伏比較大，穩定性不好，所以要找到穩定性好的識別方法。同時檢測速度要快，因為眨眼時間很短，容易漏判。所以也要求檢測判別要快。

（3）汽車自動減速

當幾次聲音預警提示后，駕駛員精神狀態仍未改善的話，系統進入車速自動控制模式。通過控制模塊將車速自動減慢到60km/h。減速要做到及時，而且不能減到低于60km/h，因為高速公路上車速最低為60km/h，再低容易出交通事故。

2 系統功能與指標

2.1 功能介紹

本設計是通過在視頻中對人臉進行自動跟蹤，找出眼部圖像，然后利用DSP進行一系列圖像處理，最后得到眼睛的二值化圖像，從而判斷出眼睛開合狀態。根據采集的數據判斷出駕駛員是否出現疲倦，并在出現疲倦特征的時候做出警告。警告是高音量的聲音提醒，以便駕駛員聽到。打瞌睡報警反應時間是2-3秒（高速路2秒，市區路3秒），報警次數為3次長聲，其他情況（如看后視鏡時間過長）報警反應時間是5-7秒，報警次數為3次短聲，如果在多次警告后駕駛員的精神狀態依然沒有改善的情況下，系統會自動降低車速，并通過汽車后窗上的電子屏以文字“疲勞駕駛，正在減速，請您留意”提示，以保證行車安全。同時，系統還會持續地發出警告，直到駕駛員重新復位系統。

另外，本系統還有防止駕駛員開車的時候左顧右盼的功能，當攝像頭在一定時間（設為3秒）內追蹤不到人臉，即認為是駕駛員頭部沒有正對著前方，這時系統也會給予相應的聲音提示報警，直到駕駛員頭部重新正對著前方。

最后，該系統還具有行車記錄功能，每秒鐘都會把當前行車的部分數據，如當前時間、車速、駕駛員眨眼次數、精神狀況等記錄下來。相當于汽車的“黑匣子”。

2.2指標介紹

1）當車速低于70km/h時，人臉跟蹤系統不啟動;當車速超過這個閥值時，系統就會進入檢測模式;

2）當駕駛員眼睛持續閉合2秒且PERCLOS>0.4，發出一次警告;

3）當駕駛員在一分鐘內眨眼次數超過20次，發出一次警告;

4）當一分鐘內眨眼幀率，發出一次警告;

5）當警告次數累積到8次，而駕駛員沒有對系統進行復位，系統就會自動控制模式，直到車速低于60km/h為止，以保證駕駛員的安全。

3 基于駕駛員行為特征的檢測方法

從人體疲勞特征的研究結果來看，疲勞駕駛的典型反應包括：眼簾的頻繁眨動;瞳孔逐漸變小，甚至閉合;哈欠增多;頭部前傾或后仰;方向盤微調，駕車左右搖擺;反應能力下降等。從剛才提到的各種疲勞駕駛典型反應來看，監測瞳孔變化的難度很大，監測頭部運動狀況，方向盤微調等又很難用一個量化的標準去衡量。而監測眼睛眨動狀態比較容易跟蹤，眨動次數和眼睛閉合情況也可以清晰地監測出來。因此，通過監測眼睛狀態來判斷駕駛員是否處于疲勞狀態這種方法，相對來說是最有效直觀的。

此方法最適用于檢測駕駛員的精神狀況。隨著數字圖像處理技術的發展，可以利用圖像處理技術來實時監控駕駛員精神狀況，而不影響駕駛員的操作。只需通過攝像頭持續不斷地檢測和捕捉駕駛員的眼睛，結合圖像處理器提取其特征信息并進行處理，可以較為有效地分析出駕駛員的精神狀態。

4 DSP（數字信號處理器）

DSP由于具備硬件浮點運算器，速度能大大提高，DSP在圖像處理方面相當強大，但DSP的開發難度相對比較大，成本較高。有些在計算機平臺上的關于視覺識別的函數庫可以要移植到DSP上，可以減少開發時間。具有浮點運算強，實時性強，能將計算機平臺上的視覺識別函數庫移植到DSP上的優點;綜合從開發時間和實時性這兩方面考慮，使用PC機，能減少開發時間;將計算機平臺上關于視覺識別的函數庫移植到DSP上，減少DSP開發的難度;利用DSP浮點運算強的特點，增強疲勞檢測判別模塊的實時性。

5 圖像處理算法方案論證

采用模式識別的方式在圖像中先找出人臉的位置，并對人臉進行追蹤，在歸一化后的人臉圖中根據眼睛在臉部的相對位置，基本能找出眼睛的位置。再對眼睛圖像進行一系列的圖像處理，最后通過處理得到的二值化圖像判斷眼睛的開合度。

由于人臉在整個圖像中所占的比例比較大，追蹤起來比較容易，檢測的準確率相對比較高。而通常駕駛員在駕駛的過程中頭部擺動的角度都比較小的，根據眼睛在臉部的相對位置，基本能找出眼睛的位置。然而用模式識別找眼睛的話，對眼睛的樣本要求比較嚴格，而且在測試過程中發現，對于不同測試者的眼睛，分類所得的結果起伏比較大，穩定性沒有二值化處理的好。再次，Gabor特征提取的速度比較慢，而眨眼的時間卻很短，容易漏判。

總結與展望

本作品確定了整個疲勞監測系統的系統框架，研究了在系統實現過程中較重要的圖像預處理算法，采用非線性分段色彩變換空間中基于膚色模型的人臉檢測技術，將膚色與非膚色區域分離;并研究了Kalman濾波跟蹤方法，提高了系統的實時性。結合PC機和DSP對采集的信息進行處理，從而更高效率地對駕駛員的精神狀況進行實時判別。本方案具有廣闊的市場前景，應用意義重大。

參考文獻：

[1]黎亞平，周杰，黃磊，吳仲兵.國內外駕駛疲勞狀態檢測技術的現狀與發展[J].中國單片機公共實驗室南京研發中心，2010（5）：11-12.

[2]黃席樾，鄧金城.基于人臉識別技術的駕駛員疲勞檢測方法研究[J].重慶大學學報，2005（5）：10-13.