駕駛員疲勞系統(tǒng)智能監(jiān)控平臺(tái)的設(shè)計(jì)與研究

袁靜泊

摘 要：駕駛員的疲勞程度與駕駛安全息息相關(guān)。本文以駕駛員人臉作為研究對(duì)象，采用Adaboost算法和Retinex算法進(jìn)行圖像處理，結(jié)合PERCLOS準(zhǔn)則提出雙閾值睜閉眼識(shí)別算法。利用LabVIEW軟件平臺(tái)，開(kāi)發(fā)了疲勞監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)駕駛員疲勞狀態(tài)的監(jiān)控。

關(guān)鍵詞：疲勞監(jiān)測(cè);圖像處理;睜閉眼識(shí)別算法;LabVIEW程序

世界范圍內(nèi)約30%的交通事故與駕駛疲勞有關(guān)，疲勞駕駛嚴(yán)重影響駕駛員的安全駕駛能力，容易發(fā)生惡性交通事故。[1-2]疲勞駕駛現(xiàn)象是目前亟待解決的問(wèn)題，應(yīng)當(dāng)引起社會(huì)各界的足夠重視。目前對(duì)駕駛員駕駛狀態(tài)進(jìn)行監(jiān)測(cè)的產(chǎn)品非常少，因此對(duì)駕駛員的疲勞狀態(tài)進(jìn)行有效監(jiān)測(cè)的研究迫在眉睫。當(dāng)前也有一些防疲勞裝置，但技術(shù)性強(qiáng)且價(jià)格昂貴。如日本京都大學(xué)開(kāi)發(fā)的通過(guò)心率監(jiān)測(cè)反應(yīng)駕駛員疲勞程度的裝置。[3]這類產(chǎn)品由于價(jià)格過(guò)高在國(guó)內(nèi)市場(chǎng)不流通。

因此本文利用圖像處理算法和硬件平臺(tái)，開(kāi)發(fā)了疲勞監(jiān)測(cè)軟件系統(tǒng)，實(shí)現(xiàn)對(duì)駕駛員疲勞狀態(tài)的監(jiān)控，對(duì)于降低疲勞駕駛危害導(dǎo)致的事故發(fā)生率有著較強(qiáng)針對(duì)性。

1 防疲勞系統(tǒng)智能監(jiān)控平臺(tái)的框架

如圖1所示，本文采用LabVIEW對(duì)圖像進(jìn)行采集、Opencv對(duì)圖像進(jìn)行預(yù)處理。同時(shí)該裝置采用一種雙通道、雙保險(xiǎn)的疲勞識(shí)別與判斷模塊，主要搭載STM32與DM642硬件平臺(tái)來(lái)實(shí)現(xiàn)識(shí)別與提醒功能。主通道是由STM32實(shí)現(xiàn)的模板匹配判斷方法，平均運(yùn)算時(shí)間為12.5ms，效率高，但其效率基于數(shù)據(jù)量小的學(xué)習(xí)樣本，當(dāng)用戶數(shù)量大時(shí)，會(huì)面臨高漏判數(shù)的問(wèn)題;副通道是由DM642實(shí)現(xiàn)的實(shí)時(shí)疲勞判斷方法，運(yùn)算時(shí)間為31.9ms，兩種識(shí)別方式的結(jié)合使本系統(tǒng)的識(shí)別算法適應(yīng)性更強(qiáng)。

1.1 圖像采集

進(jìn)行圖像采集時(shí)，利用LabVIEW對(duì)監(jiān)測(cè)平臺(tái)的鏡頭進(jìn)行畸變校正。然后編寫畸變校正程序?qū)崿F(xiàn)對(duì)鏡頭畸變的校正。

1.2 圖像預(yù)處理

調(diào)用Opencv庫(kù)函數(shù)，編寫圖像處理的庫(kù)函數(shù)。

1.3 睜閉眼識(shí)別算法

首先利用Adaboost算法進(jìn)行人眼和瞳孔區(qū)域定位，該算法檢測(cè)步驟為：將駕駛員人臉作為訓(xùn)練樣本，標(biāo)記為（x1，y1），…，（xN，yN），yi={-1，+1}，當(dāng)yi=-1時(shí)，為人臉區(qū)域;當(dāng)yi=+1時(shí)，為非人臉區(qū)域。而后對(duì)訓(xùn)練樣本中的是否為人臉進(jìn)行權(quán)重配比。標(biāo)準(zhǔn)差分析后重新確定權(quán)重配比，實(shí)現(xiàn)100%的人臉識(shí)別率。而后利用Adaboost算法尋找人眼位。采用Retinex算法對(duì)紅外圖像進(jìn)行增強(qiáng)，結(jié)合“亮瞳效應(yīng)”，對(duì)檢測(cè)后的紅外圖像進(jìn)行網(wǎng)格法閉合度計(jì)算，得到人眼閉合度大小。

最后根據(jù)閉合度計(jì)算結(jié)果設(shè)定雙閾值并結(jié)合PERCLOS準(zhǔn)則來(lái)判斷人眼特征狀態(tài)，從而確認(rèn)駕駛員疲勞程度。

同時(shí)在硬件平臺(tái)上進(jìn)行疲勞檢測(cè)試驗(yàn)，實(shí)驗(yàn)表明該方法的人眼狀態(tài)識(shí)別率為99.8%，且平均每秒能處理21幀圖片，表明該方法能夠滿足疲勞狀態(tài)檢測(cè)系統(tǒng)的準(zhǔn)確性。

2 疲勞監(jiān)測(cè)云中心及應(yīng)用平臺(tái)

平臺(tái)的執(zhí)行流程如圖2所示。駕駛疲勞監(jiān)測(cè)云中心及應(yīng)用平臺(tái)可對(duì)駕駛員數(shù)據(jù)進(jìn)行采集存儲(chǔ)，便于后期對(duì)數(shù)據(jù)進(jìn)行分析，根據(jù)安全駕駛表現(xiàn)數(shù)據(jù)分析、駕駛?cè)松硇睦頂?shù)據(jù)挖掘、疲勞因素及駕駛表現(xiàn)分析，提供駕駛?cè)巳粘p壓舒緩系統(tǒng)，對(duì)駕駛員進(jìn)行職業(yè)健康安全保護(hù)。利用搭載近紅外攝像頭的硬件系統(tǒng)和配備有圖像處理算法的軟件系統(tǒng)，構(gòu)建出車載疲勞監(jiān)測(cè)裝置。通過(guò)睜閉眼識(shí)別算法對(duì)駕駛員疲勞指數(shù)進(jìn)行判別，本文設(shè)定的疲勞指數(shù)為70，大于70為極度疲勞，進(jìn)入數(shù)據(jù)庫(kù)，會(huì)收到疲勞駕駛數(shù)據(jù)。對(duì)于傳入數(shù)據(jù)庫(kù)的信息，平臺(tái)會(huì)自動(dòng)做出預(yù)警與防控，做出備案，且遠(yuǎn)程語(yǔ)音通話疲勞駕駛的司機(jī)，強(qiáng)制其前方停車休息。大于40為輕微疲勞，車載裝置進(jìn)行疲勞提醒，預(yù)防疲勞駕駛。而且平臺(tái)的駕駛疲勞監(jiān)測(cè)及應(yīng)用系統(tǒng)會(huì)對(duì)駕駛?cè)诵睦斫】怠⑵谝蛩亍Ⅰ{駛表現(xiàn)等數(shù)據(jù)進(jìn)行分析，為駕駛?cè)酥贫ㄈ粘p壓舒緩系統(tǒng)，以減緩駕駛疲勞。

3 結(jié)語(yǔ)

本文通過(guò)圖像處理算法、LabVIEW軟件平臺(tái)、STM32與DM642硬件平臺(tái)，設(shè)計(jì)防疲勞系統(tǒng)智能監(jiān)控系統(tǒng)，在實(shí)際使用過(guò)程中操作性好、可靠性高，提高了高危車輛運(yùn)營(yíng)的安全保障。

參考文獻(xiàn)：

[1]沈進(jìn)華.公共車輛安全營(yíng)運(yùn)調(diào)度管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].復(fù)旦大學(xué)，2012.

[2]李都厚，劉群，袁偉，等.疲勞駕駛與交通事故關(guān)系[J].交通運(yùn)輸工程學(xué)報(bào)，2010（2）：104-109.

[3]基于車輛動(dòng)態(tài)監(jiān)控?cái)?shù)據(jù)的異常駕駛行為識(shí)別技術(shù)研究[D].北京交通大學(xué)，2015.