驾驶员疲劳驾驶预警系统的设计_马乐
基于单片机的汽车疲劳驾驶报警系统设计方案
基于单片机的汽车疲劳驾驶报警系统设计方案1 前言在高速发展的现代，拥有汽车的人是越来越多，交通越来越拥挤，正是因为如此，交通事故也越来越频发，这就促使人们正视这一问题。
而在交通事故中，因为驾驶员疲劳驾驶引起的事故，占其中相当大的一部分，疲劳驾驶已经成为威胁我们生命的一大危害，了解疲劳驾驶以及它引发的一些变化，有助于我们找到原因以及克服它的方法，可以在驾驶员行驶时发生突发或者无意识的疲劳困倦进行警醒，从而一定程度上避免车祸的发生。
1.1 什么是疲劳驾驶疲劳驾驶就是驾驶员较长时间维持一个姿势或者休息时间不够等原因造成的反映迟钝，驾驶员打盹、疲乏、操作不当甚至完全丧失驾驶能力就是它的主要表现。
并且，疲劳驾驶不仅反映在心理上，还反映在生理上。
心理上的反应包含反应时间延迟、出现动作不协调、大脑注意力分散等；生理反应上包括神经系统、血液、眼睛、握力等的变化。
1.2 疲劳驾驶与交通事故据相关调查显示，发生交通事故的原因百分之八十五是与驾驶员有关的，环境与车辆的因素只是占到百分之十五，司机在事故发生前的那么一瞬间的行为以及故障会直接导致交通事故的发生，知觉上的延迟、对危险情况的错误抉择、对环境的决策错误等就是导致交通事故的一些因素；而在所有的驾驶员所犯的错误中，决策错误和知觉延缓是最为常见的，而这些就会使驾驶员产生反应迟钝、注意力不集中等反应，产生这些错误的根本的原因就是疲劳驾驶。
所以，在一定程度上制止驾驶员疲劳驾驶这一行为现象，就能有效的减小交通事故发生的概率。
1.3 怎么预防疲劳驾驶许多的国家已经意识到疲劳驾驶的问题，对于它的研究工作早期上主要是使用在医学角度上，是在医疗器械的帮助下实现的，这些研究可以追溯到上个世纪三十年代美国交通部下辖的洲际商业协会对城市商业机动车辆的驾驶员服务时间的管理条例的合理性进行的调查；而实质性研究汽车驾驶员与疲劳驾驶的关系是从上世纪八十年代初开始的，由美国国会批准交通部实施改革驾驶服务时间，探索驾驶员和道路安全的关系，提高完善公共汽车安全法规开始的，我们发现疲劳驾驶研究的高度提高到了立法，可以在一定程度上保证疲劳驾驶研究的有效性、合法性和持续性[7]。
防疲劳驾驶系统设计报告
防疲劳驾驶系统设计报告1. 简介随着城市化的快速发展，机动车辆的数量不断增加，驾驶人员面临的交通压力也逐渐增加。
长时间的驾驶往往会让驾驶人感到疲劳，从而降低了驾驶的安全性。
为了提高交通安全性，我们设计了一种防疲劳驾驶系统。
2. 系统设计目标本防疲劳驾驶系统的设计目标如下：- 及时检测驾驶人员的疲劳状态，防止发生交通事故- 提醒驾驶人员及时休息，保障驾驶安全- 结合智能驾驶技术，实现更加智能的疲劳驾驶检测与预警3. 系统架构本系统采用软硬件结合的方式设计，主要包括以下几个部分：- 摄像头：用于采集驾驶人员的眼部图像- 睡意检测算法：通过分析眼部图像的特征，判断驾驶人员是否处于疲劳状态- 警示装置：用于提醒驾驶人员及时休息或做出反应- 数据处理和智能驾驶系统的集成4. 工作原理本系统的工作流程如下：1. 摄像头采集驾驶人员的眼部图像。
2. 将图像传输至睡意检测算法进行分析。
3. 算法利用深度学习和图像处理技术，提取眼睛的特征，并通过对比以往的训练数据集，判断驾驶人员是否处于疲劳状态。
4. 如果系统检测到驾驶人员疲劳，警示装置将发出提醒声音或震动，提醒驾驶人员及时休息。
5. 驾驶人员可以通过智能驾驶系统的集成，自动寻找最近的休息区域。
5. 系统优势相较于传统的防疲劳驾驶系统，本系统具有以下优势：- 准确性：采用深度学习算法，能够准确判断驾驶人员的疲劳状态，降低误报率。
- 实用性：结合智能驾驶技术，提供了自动找寻休息区域的功能，进一步提升了驾驶的便利性。
- 可扩展性：本系统支持平台化开发，可以通过固件升级和算法训练优化，提高系统的功能和性能。
6. 结论防疲劳驾驶系统是提高交通安全性的重要措施之一。
本系统以深度学习算法为基础，结合图像处理等技术，能够准确检测驾驶人员的疲劳状态，并通过智能化集成提供更便捷的驾驶体验。
在未来，我们将继续优化算法和系统性能，致力于研发更智能、更可靠的防疲劳驾驶系统，为驾驶人员的安全出行提供更有效的保障。
电子信息工程基于图像处理的疲劳驾驶预警系统设计与实现
基于图像处理的疲劳驾驶预警系统设计与实现Design and implementation of fatigue driving earlywarning system based on image processing中文摘要在科学技术与经济的不断发展中，人们的生活水平也在大幅度的提高，但是，机动车辆的普及带来了交通肇事率居高不下。
在有关机构的调查中显示，有接近五分之一的交通事故是因为驾驶员的疲劳驾驶而发生的，因此，对于疲劳驾驶的严重性我们应该加以重视。
驾驶人员长期未休息时会出现视线模糊、动作呆板、精力不集中等现象。
驾驶员在疲劳驾驶的时候，会分成三种情况，有轻度、中度、重度。
这些情况会极大可能的导致交通事故的发生，因此，要想减少我国的交通事故的发生，首先应该从疲劳驾驶入手。
虽然我国道路交通法明确对疲劳驾驶进行界定和出具处罚条例但疲劳驾驶仍屡禁不止，因此防止司乘人员疲劳驾驶进行随车检测特别关键，现在市场上的疲劳驾驶预警系统应用还没普及，更多的因素是准确率和低成本的问题。
本文是对于识别率问题和成本问题进行研究的，首先通过明确本论文研究方向和目的，并对目前已有的疲劳驾驶预警系统进行研究和分析，在搭建方案本文首先进行图像采集和处理研究，利用基于HOG 特征训练和Opencv对人脸进行检测和特征点定位，并对识别到的人脸特征进行识别，用 PERCLOS 算法对人眼的疲劳程度进行判定达到初步预警的效果。
关键词：图像识别 Opencv 疲劳驾驶 PERCLOS算法ABSTRACTWith the continuous development of science, technology and economy, people's living standards are also greatly improved. However, the popularity of motor vehicles has brought a high traffic accident rate. According to the investigation of relevant organizations, nearly one fifth of traffic accidents are caused by drivers' fatigue driving. Therefore, we should pay attention to the severity of fatigue driving. When the driver does not rest for a long time, peoper will have blurred vision, inflexible movement and lack of concentration. When the driver is tired driving, it can be divided into three situations, mild, moderate and severe. These situations will lead to the occurrence of traffic accidents. Therefore, in order to reduce the occurrence of traffic accidents in our country, we should start with fatigue driving. Although our country's road traffic law clearly defines fatigue driving and issues punishment regulations, but fatigue driving is still prohibited for many times, so it is very important to prevent drivers and passengers from fatigue driving to carry out on-board detection. Now, the application of fatigue driving early warning system inthe market has not been popularized, and more factors are the problem of accuracy and low cost.In this paper, the problem of recognition rate and cost is studied. Firstly, the research direction and purpose of this paper are defined, and the existing fatigue driving early warning system is studied and analyzed. In the construction scheme, firstly, the image acquisition and processing research is carried out, and the face detection and feature point location are carried out by using the Hog feature training and Opencv, and the recognized face is also analyzed Features are identified, and PERCLOS algorithm is used to determine the fatigue degree of human eyes to achieve the preliminary warning effect.Keywords:Image Identification Opencv Fatigue Driving PERCLOS Algorithm目录第一章绪论 (1)1.1 研究背景和意义 (1)1.2 国内外研究现状 (1)1.2.1 对疲劳驾驶背景下交通事故发生的研究 (1)1.2.2 对疲劳驾驶背景下减少交通事故发生的对策研究 (2)1.3 研究内容 (2)第二章图像处理理论和检测方法研究 (4)2.1 图像预处理 (4)2.1.1 增强图像对比度 (4)2.1.2 图像去噪 (4)2.2 图像分割与特征提取 (5)2.2.1 图像分割 (5)2.2.2 特征提取 (6)2.3 疲劳驾驶监测方法研究 (8)2.3.1 常见定位方法描述与比较 (8)2.3.2 眼部特征描述与分析 (9)2.3.3 疲劳度判定方法描述与比较 (9)2.3.4 评价指标 (10)第三章系统方案设计 (11)3.1 整体方案设计 (11)3.2 硬件方案选择 (11)3.3 软件环境搭建 (13)3.3.1 Python开发语言介绍 (13)3.3.2 Opencv介绍 (13)3.3.3 第三方库介绍 (13)第四章系统的实现与验证 (15)4.1 软件环境搭建过程 (15)4.1.1 在树莓派上拓展文件系统 (15)4.1.2 在树莓派上搭设软件环境 (15)4.2 人脸识别及眼睛定位 (16)4.2.1 人脸识别 (17)4.2.2 眼睛识别 (18)4.3 疲劳检测设计 (19)4.4 检测过程及结果 (20)第五章总结与展望 (23)参考文献 (24)致谢 .............................................................. 错误!未定义书签。
驾驶员疲劳检测报警系统的设计
公司的视频解码芯片 SAA7113H 将其转换为标准的 ITU-656
YUV 4:2:2(8 bit )信号。DM642 片内的(VP0、VP1、VP2)可
以用作视频捕获端口、视频传输端口、视频显示端口。每个
视频在捕获模式可以采用 ITU-656 YUV 4:2:2(8 bit )信号。
SAA7113H 是 Philips 公司的 9 位视频模数转换(ADC)芯片，
0 引言
面包含了新的指令，可以在视频和图像应用方面提高性能，
本文利用 TMS230DM642 处理器设计了驾驶员疲劳检测 报警系统。该系统具有非接触式、实时性、准确性的特点。 采用被动视觉的 PERCLOS 疲劳检测方法，从普通 CCD 摄像 头获取驾驶员实时图像，利用 TMS230DM642 强大的多媒体 处理能力提取驾驶员的眼部特征，提取驾驶员眼睛的闭合 度，根据计算得到的 PERCLOS 值来判断司机是否驾驶疲劳， 如果条件满足则报警提示。
技术应用
驾驶员疲劳检测 报警系统的研究设计
陆二庆 杨伟亮 桂林理工大学信息科学与工程学院 广西 541004 摘要：本文设计的驾驶员疲劳检测报警系统采用基于 TMS230DM642 的第二代高性能多媒体处理器，实现了非接触的、 实时驾驶员疲劳状态监测。系统通过基于肤色信息的方法从获取的视频图像中检测人脸的位置，然后采用基于灰度值的方法 精确定位人眼，提取眼睛闭合度，采用 PERCLOS 的 PM80 标准，实现对驾驶员疲劳与否的判定。 关键词：疲劳驾驶；人脸检测；PERCLOS
1 系统硬件功能分析和设计 1.1 TMS230DM642 处理器性能分析
TMS230DM642(DM642)是基于 TI 开发的第二代高性能 处理器，先进的 VelociTI 技术的 VLIW 结构，使该处理器成 为数字多媒体的极好地选择。DM642 在主频 720MHZ 下处 理速度能达到 5760MIPS。从驾驶员疲劳检测报警系统的实 时性来说，一般人在正常情况下每分钟会眨眼 10-15 次，随 着人的疲劳程度增加眨眼次数也会有所提高，因此若要很好 的捕捉到眨眼的过程，对视频源的采样至少要达到每秒 10
驾驶员疲劳驾驶预警系统的设计
驾驶员疲劳驾驶预警系统的设计马乐;姜立标;王会荣;王蒙【摘要】针对疲劳驾驶监测的要求,设计了一种基于IT公司高速图像处理芯片TMS320DM642的疲劳驾驶预警系统,用以判定驾驶员的疲劳程度,降低交通事故.系统采用机器视觉的方法,先通过CCD摄像头拍下驾驶员的面部图像序列,然后检测出脸部,从而定位眼睛,再利用PERCLOS算法判定疲劳状态.实验结果表明,该系统准确率高、速度快,可以满足非接触式、全天候、实时监测的要求.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2011(043)005【总页数】5页(P139-143)【关键词】疲劳驾驶;数字信号处理器;人脸检测;PERCLOS算法;级联分类器【作者】马乐;姜立标;王会荣;王蒙【作者单位】中国农业大学,工学院,100083;北京华南理工大学广州汽车学院,510800,广州;华南理工大学,机械与汽车工程学院,510640,广州;哈尔滨工业大学(威海)汽车工程学院,264209,山东,威海;Griffith,College,Dublin,Dublin【正文语种】中文【中图分类】U463.33疲劳驾驶已经成为引发交通事故的主要原因之一.在当前的疲劳驾驶检测技术领域，基于驾驶员脸部特征的非接触式疲劳检测算法的研究和疲劳预警系统的开发已经成为了主流之一.驾驶员脸部主要特征的人脸和眼睛检测是指对于任意一幅给定的图像，通过一定的方法和策略，搜索并确定其中是否存在人脸，如果存在则返回人脸相应的信息［1］;在人脸检测的基础上，定位、检测眼睛是睁开还是闭合，并返回眼睛相应的信息.人脸和眼睛检测系统的精度与速度直接影响疲劳预警系统的性能.驾驶员疲劳驾驶预警系统的应用超越了人脸识别系统的范畴，在视频会议、智能人机交互、虹膜识别系统等方面也有重要的应用价值.1 系统设计1.1 人脸检测和人眼定位算法开发本文选用现在比较热门的MB－LBP特征描述人脸和人眼，该特征具有噪声敏感度小的优点.选用adaboost算法家族中性能最为优异的Gentleadaboost算法来训练人脸检测和人眼定位分类器.通过训练挑选出检测率高的弱分类器，再将选出的弱分类器按照权重组成强分类器，进而形成级联分类器.最终经过反复实验调整参数，在PC机上运行获得较高的人眼检测率.1.2 检测与识别算法的数字信号处理器移植在TI公司的CCS3.1软件中对人脸检测和人眼定位算法进行仿真，然后移植到以数字信号处理器(DSP)为核心的DM642开发板中.在移植过程中运用多种优化手段，最终算法在DSP中运行能够达到18帧/s的检测速度，满足实时检测的性能要求.1.3 实验分析完成算法的开发后，分别建立以 PC机和DSP为基础的实验装置，对算法的正确性和实时性进行分析.通过实验，使得本文所研究的疲劳驾驶预警装置能够基本上达到预期目的.因驾驶防瞌睡装置的应用特殊性［2］，设计的系统必须满足:1)非接触式，即不对驾驶员的驾驶行为产生干扰影响;2)实时性，能实时地检测驾驶员驾驶疲劳生理特征参数，迅速、准确、及时地对处于疲劳状态的司机发出警告;3)全天候，无论工作在光照充足、微光、无光状态下，系统都可以对司机的疲劳状态做出正确的分析.疲劳驾驶预警系统如图1.图1 疲劳驾驶预警系统的实物图2 系统硬件电路设计系统硬件电路主要由5部分组成:图像采集、图像处理、疲劳判定、报警和电源管理.系统设计应遵循以下原则:1)准确性.系统力求能够准确定位人脸、定位眼睛、计算眼睛状态和PERCLOS值，并在标定阀值后实现疲劳判断，尽量减少误判.2)实时性.系统硬件的选择要保证系统能运行流畅，程序的编写应尽量选择经典的优化算法，以快速实现图像的截取、人脸和眼睛的定位以及眼睛状态和PERCLOS 值的计算.3)经济性.选择市场易购买、性能匹配和价格低廉的设备.2.1 图像采集采用CCD摄像头拍下驾驶员头部图像，经过高精度的A/D转换成DSP可以读取的数字图像.本文使用了SONY420线彩色红外夜视海螺型CCD摄像头作为图像的采集设备.这款CCD能自动感应外界光线，当外界光线充足时得到普通的彩色图像，而光线不足时由CCD自动开启镜面上自带的两圈红外LED灯，利用LED发出的近红外作为光源获得红外图像，满足系统全天候工作的要求.采用Philips公司的视频采集处理芯片SAA7113H［3］作为视频解码器，来实现模拟视频的数字化.2.2 图像处理图像处理和分析由DSP完成，图像处理包括图像的预处理及面部图像、眼部图像的处理.由于实际环境中图片背景较复杂，容易使程序对人脸区域进行错误划分.利用图像预处理技术对噪声、光照不足、图像扭曲等问题进行纠正，保证人脸图像中人脸大小、位置以及人脸图像质量的一致性.在预处理的基础上，进行面部图像和眼部图像的处理，使系统能更好地判定人眼的状态，进而进行疲劳状态的判定.图像处理流程如图2所示.图2 图像处理的流程图选用TI公司的TMS320DM642作为核心处理器，其主要原因为:1)为便于将开发的疲劳驾驶监测技术运用于实际驾驶环境中，必须将疲劳驾驶监测技术从体积大的PC机上移植到体积小、稳定性高和功耗低的嵌入式系统中，由于DSP的应用日渐广泛且体积小、功耗低，为此可将疲劳驾驶监测技术移植到DSP中，以组装成一个完整的疲劳驾驶监测系统.2)TI公司的编译器 CCS (Code Composer Studio)产生代码的平均效率是其他DSP编译器的3倍，可借助CCS编译器降低开发难度，缩短系统的开发周期.3) TMS320DM642工作频率高，计算速度快，可轻松处理25～30帧的图像，满足系统实时性的要求，非常吻合本系统的设计需要［4－5］.2.3 疲劳判定和报警在图像预处理和人脸检测的基础上，利用PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)算法对人眼进行检测，PERCLOS (Percent eye Closure)是指在一定的时间内眼睛闭合时所占的时间比例［6］.实验表明，眼睛闭合时间的长短与疲劳程度有密切关系，驾驶员眼睛闭合时间越长，疲劳程度越严重.在实际驾驶中，连续检测司机的PERCLOS和眼睛持续闭合时间，如果有，PERCLOS＞40%，眼睛持续闭合时间＞3 s，就判定该司机处于疲劳状态，疲劳预警系统对驾驶员给出语音提示.语音报警电路如图3所示.图3 语音报警电路2.4 电源模块系统采用的电源是220 V直流电.针对本系统所购买的器件，需要考虑2个问题:首先，外围电路(SONY420线彩色红外夜视海螺型CCD摄像头)所需电压为+12 V，需要将220 V直流电压转换成摄像头所需的+12 V电压;其次，DSP开发板电源(J12)接口需要的电压是+5 V，需要将220 V直流电压转换成DSP开发板所需的+5 V电压.DSP工作电压:I/O电压+3.3 V，核电压+1.4 V，系统采用TPS54310芯片，经降压芯片把DSP开发板电源(J12)接口的5 V电压转换成DSP工作电压+3.3 V和+1.4 V，稳压电路如图4、5所示.图4 +3.3V稳压电路图5 +1.4 V稳压电路3 人脸和人眼的检测原理3.1 MB－LBP特征的应用本文所应用的MB－LBP特征是LBP特征的一种扩展［7］.这种特征可以解决原始LBP特征只能描述小范围的图像信息以及易受噪声影响的问题.实验发现，在视频监控数据以及人脸检测数据上，MB－LBP特征相比原始LBP特征有更好的分辨能力，同时，MB－LBP特征保持了LBP特征运算复杂度低，灰度尺寸的鲁棒性好，计算速度较快的优点.由于MB－LBP特征将目标图像升维成相当高的维度，Gentleboost学习算法被用来降维并且构建分类器.另外，设计了多叉树型的弱分类器来针对MB－LBP特征的非度量特性问题.MB－LBP还有一个优点［8］，即特征数目少，在训练阶段所耗费的时间会大大减少.在20*20的图像中，大概含有上万个haar特征，但是只包含2 000左右的MB－LBP特征，特征数目减小约80%，利用MB－LBP特征训练样本库的时间会少很多.在实际操作过程中，由于haar的特征是表示度量意义的，在每次迭代中都需要将全部的m个haar特征的特征值排序，从中选择最优的阈值作为单个haar 特征弱分类器的分类标准.但是，MB－LBP特征是非度量的，因此在每次迭代中不需要对特征编码进行排序，所以利用MBLBP特征来训练样本库又会快很多.3.2 Gentleboost的训练过程假设训练集中共有m张人脸图像，n张非人脸图像，尺寸为N*N训练集中的图像被定义为二元组(xi，yi)，xi代表图像，yi代表该图像的归类，如果是人脸图像则yi为1，否则为－1［9－10］.具体训练过程如下.1)初始化样本的权重:2)迭代T次:◇对每个MB－LBP特征进行测试，得到一个弱分类器，ht∈{0，1}.◇计算其分类的错误率，◇记录其能够得到的min{ε}作为该特征的分类错误率.◇在所有特征中，将具有最小错误率的特征加入到强分类器中.◇更新样本的权重，.◇归一化样本权值，3)得到最终的强分类器:式中，φt表示设定的阈值，T表示弱分类器的数目.3.3 基于MB－LBP的级联分类器级联分类器由多个强分类器组合而成，它的每一层都是由gentleboost算法训练得到的强分类器，从第一层分类器出来的正确结果触发第二层分类器，而从第二层出来的正确结果将触发第三层分类器，以此类推.相反，从任何一个结点输出的被否定了的结果都会导致对这个子窗口的检测立即停止.通过设置每层的阈值，使得绝大多数人脸都能通过，而绝大部分的非人脸不能通过，靠近级联分类器后端的层拒绝了大部分的非人脸，其过程如图6所示.图6 级联分类器4 系统的抗干扰措施4.1 硬件抗干扰措施硬件抗干扰总的设计原则就是抑制干扰源，切断干扰传播路径，提高敏感器件的抗干扰性能.抑制干扰源的措施如下:a.尽量缩短信号线的长度;b.为防止电磁感应，信号线应采用屏蔽线;c.使电源线、地线的走向与数据传递的方向一致，应尽量使用45°折线而不要使用90°折线，以减少高频噪声辐射.切断干扰传播路径的措施如下:a.PCB合理布局，将继电器、电机等噪声元件与单片机尽量远离;b.布线时要减小信号线间的交叉干扰;c.时钟振荡电路部分用地线包围以来，让周围的电场趋近于零.提高敏感器件的抗干扰性能的措施如下:a.不同的电源电压、数字和模拟、高速和低速、电流的大小电路分别设置地线，防止产生公共地阻抗的干扰;b.电源线和接地线尽量布粗，使它能通过三倍于印制板上的允许电流.如有可能，接地线应在2～3 mm以上;c.在PCB布线时尽量减少环路的面积，以降低感应噪声.4.2 软件抗干扰措施嵌入式系统的可靠性由多种因素决定，其中系统的软件抗干扰性能是系统可靠性的重要指标之一.尽管采取了硬件抗干扰措施，但仍然很难保证系统完全不受干扰.因为软件抗干扰是一种廉价、灵活、方便的抗干扰方法，不改变硬件的环境，不需要对干扰源精确定位，不需要定量分析，因此本系统采取软件抗干扰技术加以补充，作为硬件抗干扰措施的辅助手段，采用的软件抗干扰方法主要有数字滤波技术和软件看门狗技术［11］.5 实验平台本实验的运行环境包括硬件和软件2个部分，硬件部分为:摄像头，TMS320DM642开发板、XDS510－USB2.0仿真器、AMD turion(tm)64 X2 mobile technology、内存为768MB;软件环境包括:matlab2009a、CCS3.1及windows XP系统，可运行程序由matlab语言和C语言混合编程.利用matlab 良好的图形界面设计和C语言高效的运行效率，将这2种语言混合编程，核心算法由C语言实现，而输入输出则由matlab语言来完成.训练基于MB－LBP特征的级联分类器时，使用16 000个正样本，4 433 000个负样本，正样本中包括－30°～+30°内的人脸图像.所有的负样本均来源于4 433张非人脸图像，采用bootstrap策略，在每张图中随机采10 000张20*20的非人脸图像.正样本来源不一，包括从人脸数据库中得到，以及viola－jones库自带的4 916张图片.本文的重点放在基于MB－LBP特征的人脸检测上，因此，最终的系统构建是利用gentleboost训练基于MB－LBP特征的强分类器.利用gentleboost训练的MB －LBP特征强分类器对静态图像的测试效果如图7(a)所示;对CCD摄像头拍摄的图片的仿真结果如图7(b)、(c)所示.图7 眼睛的实验结果将疲劳驾驶检测与识别算法移植到DSP芯片中，经过算法的调试和优化，运行成功后，CCD摄像头拍下的驾驶员面部图像序列经DSP处理后的试验结果如图8所示.司机清醒时，眼睛是睁开的，实验中能检测到人眼，检测到人眼时用小方框标定出人眼位置，表示人眼是睁开的，如图8(a)所示;司机疲劳时，眼睛闭合，实验中检测不到人眼，如图8(b)所示.根据系统设定的阈值，就可判断出司机是否处于疲劳状态.图8 DSP中的实验结果6 结论1)利用最新的数字图像处理方法，设计了一种基于机器视觉的驾驶员疲劳驾驶预警系统，该系统满足防瞌睡装置的非接触式、实时性、全天候要求，并且设计可靠，体积小，便于携带.2)用gentleboost训练基于MB－LBP特征的强分类器，利用PERCLOS算法对眼睛的状态特征进行检测，能够实时快速地反映驾驶员的疲劳状态.3)利用级联分类器的手段，经过反复实验调整参数，在PC机上运行，获得较高的人眼检测率;并在移植过程中运用多种优化手段，实现了算法在DSP中运行能够达到18帧/s的检测速度.参考文献:［1］YANG M H，KRIEGMAN D，AHUJA N.Detecting faces in images:A survey［J］.Transactions on Pattern Analysis and Machine Intelligence，2002，24(1):34－58.［2］刘志强.基于机器视觉的驾驶疲劳检测方法［J］.中国制造业信息化，2006，35(3):64－66.［3］PHILIPS.SAA7113H 9-bit video input processor［EB/ OL］.［S.l.］:Philips，2000［2010－03－01］..［4］TEXAS INSRUMENTS.TMS320DM642 video/imaging fixed point digital signal processor［M］.［S.l.］:Texas lnsmments Incorporated，2003:1－6.［5］陶芬.全天候疲劳驾驶监测系统的研究及实现［D］.南京:南京理工大学，2009.［6］DAVID F，RICHARD D.PERCLOS:A valid psychophysiological measure of alertness as assessed by psychomotor vigilance［EB/OL］.Washington，DC:Federal Motor Carrier Safety Administration，1998［2010－03－02］..［7］ZHANG Lei，STAN Z L.QU Zhi-yi，et al.Boosting local feature based classifiers for face recognition［C］// 2004 Conference on Computer Vision and Pattern Recognition Workshop(CVPRW＇04).Washington，D.C:［s.n.］，2004:84.［8］张伦.MB－LBP特征在视觉目标检测和分类中的应用［D］.北京:中国科学院研究生院，2005.［9］OJALA T，PIETIKINEN M，HARWOOD D.A comparative study of texture measures with classfication based on feature distribution ［J］.Pattern Recognition，1996，29:51－59.［10］FREUND Y，SCHAPIRE R E.A decision-theoretic generalization of on-line learning and an application to boosting［J］.Journal of Computer and System Science，1997，55:119－139.［11］胡谦，赵丹阳.单片机应用系统抗干扰技术［J］.黑龙江科技信息，2007(15):52.。
基于图像识别技术的疲劳驾驶预警系统的设计
南方农机,2020,51(13):10-11. [4]齐伟，张来刚，刘朝阳.基于人脸追踪和特征分析的疲劳
驾驶预警系统设计[J].时代汽车,2020(15):169-170. ⑸王欣，吴键，孙涵，等.基于DSP的疲劳驾驶视觉检测与
预警系统设计[J].测试技术学报,2020,34(6):506-513. [6] Mao M,Du L.Research on drive fatigue detection using
1.3预警类型
1.3.1闭眼预警
当驾驶员在行驶过程中的闭眼状态时长持续1.0 s时，系 统会发出轻度疲劳预警；当闭眼状态时长持续1.5 s时，系统 会发出中度疲劳预警；当闭眼状态时长持续2.0 s时，系统会 发出重度疲劳预警［13'ls］o
1.3.2打哈欠预警
当驾驶员出现打哈欠的行为并持续0.5 s时，系统会自动 发出轻度疲劳预警；当打哈欠的行为持续1.0 s时，系统会发 出中度疲劳预警；当打哈欠的行为持续1.5 s时，系统会发出 重度疲劳预警。
YANG Xiaoxia1, ZHONG Haiqiang2, LI Chunlai1
(1. Heyuan Polytechnic College, Heyuan Guangdong 517000, China; 2. Jingdian (Heyuan) Display Technology Co., Ltd., Heyuan Guangdong 517000, China)
Байду номын сангаас
疲劳驾驶预警系统
|闭眼预警］|打哈欠预警］［低头预警］丽右盼预警| ［抽烟/打电话］|夜间环境］ 图2系统功能结构图
139
敏件打发与惑用
信IR与电IE
基于人脸识别的疲劳驾驶监测与报警系统设计与实现
基于人脸识别的疲劳驾驶监测与报警系统设计与实现随着交通工具的普及和交通运输的发展，道路安全问题日益引起关注。
疲劳驾驶是导致交通事故的一个重要原因之一。
为了解决这一问题，许多研究者和工程师致力于开发基于人脸识别的疲劳驾驶监测与报警系统。
本文将介绍该系统的设计和实现。
1. 引言疲劳驾驶是指由于长时间驾驶或睡眠不足而导致驾驶者注意力不集中、反应时间延长的状态。
这种状态下，驾驶者容易产生昏睡、分神等问题，从而增加交通事故的风险。
基于人脸识别的疲劳驾驶监测与报警系统旨在通过识别驾驶者的疲劳表现并及时进行报警，提醒驾驶者休息或采取其他措施，以降低交通事故的发生率。
2. 系统设计基于人脸识别的疲劳驾驶监测与报警系统主要由以下几个组成部分构成：人脸识别模块、疲劳检测模块、报警模块、数据库模块和用户界面。
下面对每个模块进行详细介绍。
2.1 人脸识别模块人脸识别模块是该系统的核心部分，用于识别驾驶者的脸部特征，并进行疲劳检测。
该模块采用深度学习算法，如卷积神经网络（CNN），对驾驶者的脸部图像进行训练和识别。
通过与数据库中预存的疲劳和非疲劳状态的脸部图像进行比对，从而判断驾驶者是否处于疲劳状态。
2.2 疲劳检测模块疲劳检测模块通过分析驾驶者的眼部特征来判断其是否处于疲劳状态。
该模块使用眼睛闭合时间、眨眼频率等指标来评估驾驶者的疲劳程度。
当驾驶者的眼睛闭合时间超过一定阈值或眨眼频率较低时，系统将判定其疲劳并触发报警。
2.3 报警模块当系统检测到驾驶者处于疲劳状态时，报警模块会发出声音、震动或向驾驶者的手机发送警告信息，提醒其注意休息或采取措施。
报警模块需要与车辆的音响、振动器或手机应用程序进行集成，以确保驾驶者能够及时接收到警告信号。
2.4 数据库模块数据库模块用于存储驾驶者的脸部图像和对应的疲劳状态。
通过建立一个驾驶者信息的数据库，可以对不同驾驶者的疲劳特征进行管理和比对。
这对于系统的准确识别和报警非常重要。
2.5 用户界面用户界面是系统的交互界面，提供给用户操作和控制系统的功能。
基于神经网络的驾驶员疲劳检测与预警系统设计
基于神经网络的驾驶员疲劳检测与预警系统设计随着交通工具的普及和人们对出行速度的需求增长，道路交通事故也日益频发。
驾驶过程中，驾驶员的疲劳是造成交通事故的重要原因之一。
为了保障道路交通安全，研究和设计一种基于神经网络的驾驶员疲劳检测与预警系统变得尤为重要。
一、引言驾驶员在长时间驾驶过程中容易出现疲劳，如长时间的持续驾驶、长时间视线集中和高度紧张等情况都会导致驾驶员精神疲劳。
疲劳驾驶严重危及道路交通安全，因此，设计一种能够及时检测和预警驾驶员疲劳的系统至关重要。
二、驾驶员疲劳检测方法综述目前，研究人员提出了多种方法来检测驾驶员疲劳，包括基于生理信号、视觉信号和驾驶行为等。
1. 基于生理信号的疲劳检测方法能够通过监测驾驶员的生理反应，如脑电图(EEG)、心率(HR)和眼动轨迹等信号，来判断驾驶员的疲劳程度。
这种方法准确度较高，但需要驾驶员佩戴传感器，不够方便。
2. 基于视觉信号的疲劳检测方法通过分析驾驶员的眼睛状态来判断疲劳程度。
例如，通过监测眼睛的闭合情况、眼睛的注视点和眨眼频率等指标来识别疲劳驾驶。
这种方法无需传感器且实时性较好，但受到环境光线和镜头质量的影响。
3. 基于驾驶行为的疲劳检测方法通过分析驾驶员的驾驶行为，如方向盘操作和车辆稳定性等指标，来判断驾驶员的疲劳程度。
这种方法不需要驾驶员配戴任何传感器，但可靠性和准确性相对较低。
三、基于神经网络的驾驶员疲劳检测与预警系统设计神经网络作为一种具有强大学习能力和优秀模式识别能力的算法，已经被广泛应用于各个领域。
基于神经网络的驾驶员疲劳检测与预警系统可以通过训练神经网络，将多种生理信号、视觉信号和驾驶行为指标等输入参数，来判断驾驶员的疲劳程度。
1. 数据采集与预处理首先，需要搜集大量的驾驶员疲劳数据，并进行预处理。
例如，对于基于生理信号的方法，可以使用脑电图(EEG)和心率(HR)等传感器来采集数据；对于基于视觉信号的方法，可以通过摄像头采集驾驶员的眼睛状态数据；对于基于驾驶行为的方法，可以使用车载传感器采集车辆的动态数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
眼定位算法进行仿真， 然后移植到以数字信号处 理器（ DSP） 为核心的 DM642 开发板中． 在移植过 程中运用多种优化手段， 最终算法在 DSP 中运行 满足实时检测的 能够达到 18 帧 / s 的检测速度， 性能要求． 1 ． 3 实验分析 完成 算 法 的 开 发 后， 分 别 建 立 以 PC 机 和 DSP 为基础的实验装置， 对算法的正确性和实时 性进行分析． 通过实验， 使得本文所研究的疲劳驾 驶预警装置能够基本上达到预期目的 ． 因驾驶防瞌睡装置的应用特殊性 ， 设计的 系统必须满足： 1 ） 非接触式， 即不对驾驶员的驾 驶行为产生干扰影响； 2 ） 实时性， 能实时地检测 驾驶员驾驶疲劳生理特征参数， 迅速、 准确、 及时 地对处于疲劳状态的司机发出警告； 3 ） 全天候， 无论工作在光照充足、 微光、 无光状态下， 系统都 可以对司机的疲劳状态做出正确的分析． 疲劳驾 驶预警系统如图 1．
VCC C5 U2 P13 P12 P11 104 1 2 3 4 C6 TG2 TG1 TG3 VDDL 语音芯片 8 PWM2 7 VDD 6 PWM1 5 VSS 100 pF J3 1 2 CON2 GND
图5
+ 1. 4 V 稳压电路
3
3. 1
人脸和人眼的检测原理
MB － LBP 特征的应用
摄像头 原始图像 预处理 人脸检测和定位 眼部 疲劳判 定结果 报警 信息 融合 面部 处理 面部疲劳驾驶预警系统的实物图
图像处理的流程图
2
系统硬件电路设计
系统硬件电路主要由 5 部分组成： 图像采集、
选用 TI 公司的 TMS320DM642 作为核心处理 其主要原因为： 1 ） 为便于将开发的疲劳驾驶 器， 监测技术运用于实际驾驶环境中， 必须将疲劳驾 驶监测技术从体积大的 PC 机上移植到体积小、 稳定性高和功耗低的嵌入式系统中， 由于 DSP 的 应用日渐广泛且体积小、 功耗低， 为此可将疲劳驾 驶监测技术移植到 DSP 中， 以组装成一个完整的 疲劳 驾 驶 监 测 系 统． 2 ） TI 公 司 的 编 译 器 CCS （ Code Composer Studio ） 产生代码的平均效率是 其他 DSP 编译器的 3 倍， 可借助 CCS 编译器降低 开 发 难 度， 缩 短 系 统 的 开 发 周 期． 3 ） TMS320DM642 工作频率高， 计算速度快， 可轻松 处理 25 ～ 30 帧的图像， 满足系统实时性的要求， ［4 － 5 ］ ． 非常吻合本系统的设计需要
摘
要： 针对疲劳驾驶监测的要求 ， 设计了一种基于 TI 公司高速图像处理芯片 TMS320DM642 的疲劳驾驶
预警系统， 用以判定驾驶员的疲劳程度 ， 降低交通事故． 系统采用机器视觉的方法 ， 先通过 CCD 摄像头拍下 驾驶员的面部图像序列 ， 然后检测出脸部， 从而定位眼睛， 再利用 PERCLOS 算法判定疲劳状态． 实验结果表 该系统准确率高、 速度快， 可以满足非接触式、 全天候、 实时监测的要求． 明， 关键词： 疲劳驾驶； 数字信号处理器； 人脸检测； PERCLOS 算法； 级联分类器 中图分类号： U463. 33 文献标志码： A 文章编号： 0367 － 6234 （ 2011 ） 05 － 0139 － 05
图像处理、 疲劳判定、 报警和电源管理． 系统设计 应遵循以下原则： 1 ） 准确性． 系统力求能够准确定位人脸、 定 位眼睛、 计算眼睛状态和 PERCLOS 值， 并在标定 阀值后实现疲劳判断， 尽量减少误判． 2 ） 实时性． 系统硬件的选择要保证系统能运 行流畅， 程序的编写应尽量选择经典的优化算法 ， 以快速实现图像的截取、 人脸和眼睛的定位以及 眼睛状态和 PERCLOS 值的计算． 3 ） 经济性． 选择市场易购买、 性能匹配和价
Abstract： Aiming at the demands of fatigue driving monitoring，a drowsiness detection system based on Highspeed DSP TMS320DM642 from TI Inc was designed． It can determine the driver’ s level of attention，and reduce the number of traffic accident． This system uses the machine vision method to get video sequences of a driver from the CCD camera，and than detects the face，eyelid to determine the state of drowsiness by the PERCLOS criterion． The experimental results show that this system has higher accuracy and speed，and can satisfy the demands of noncontact，all illumination condition and realtime monitoring． Key words： fatigue driving； DSP； face detection； PERCLOS criterion； cascade 疲劳驾驶已经成为引发交通事故的主要原因 之一． 在当前的疲劳驾驶检测技术领域， 基于驾 驶员脸部特征的非接触式疲劳检测算法的研究和 疲劳预警系统的开发已经成为了主流之一 ． 驾驶员脸部主要特征的人脸和眼睛检测是指 通过一定的方法和策 对于任意一幅给定的图像， 略， 搜索并确定其中是否存在人脸， 如果存在则返 ［1 ］ 回人脸相应的信息 ； 在人脸检测的基础上， 定 位、 检测眼睛是睁开还是闭合， 并返回眼睛相应的
第5 期
马乐，等： 驾驶员疲劳驾驶预警系统的设计
L2 D6 8 7 6 5 C101 R19
· 141·
+1.4 V C83 DGND C102 R26
2. 3
疲劳判定和报警
C99 U8 BOOT %%%%pH VIN GND EN COMP SS VSNS
在图 像 预 处 理 和 人 脸 检 测 的 基 础 上， 利用 PERCLOS （ Percentage of Eyelid Closure Over the PERCLOS Pupil Over Time） 算法对人眼进行检测， （ Percent eye Closure） 是指在一定的时间内眼睛闭 合时所占的时间比例 ． 实验表明， 眼睛闭合时 间的长短与疲劳程度有密切关系， 驾驶员眼睛闭
［6 ］
+5 V
1 2 3 4
R25
C100
合时间越长， 疲劳程度越严重． 在实际驾驶中， 连 续检测司机的 PERCLOS 和眼睛持续闭合时间， PERCLOS ＞ 40% ， 如果有， 眼睛持续闭合时间 ＞ 3 s， 就判定该司机处于疲劳状态， 疲劳预警系统 对驾驶 员 给 出 语 音 提 示． 语 音 报 警 电 路 如 图 3 所示．
Design of driver drowsiness detection system
2 MA Le1， ，JIANG Libiao3 ，WANG Huirong4 ，WANG Meng5
（ 1． College of Engineering of China Agriculture University， 100083 Beijing，China，hitmyy@ 163． com； 2． Guangzhou Auto College，South China University of Technology， 510800 Guangzhou，China； 3． School of Mechanical ＆ Automotive Engineering，South China University of Technology， 510640 Guangzhou，China； 4． School of Automotive Engineering，Harbin Institute of Technology At Weihai， 264209 Weihai Shandong，China； 5． Griffith College Dublin，Dublin，Ireland． ）
尔
滨
工
业
大
学
学
报
第 43 卷
器． 通过训练挑选出检测率高的弱分类器 ， 再将选 出的弱分类器按照权重组成强分类器， 进而形成 级联分类器． 最终经过反复实验调整参数， 在 PC 机上运行获得较高的人眼检测率 ． 1． 2 检测与识别算法的数字信号处理器移植 在 TI 公司的 CCS3. 1 软件中对人脸检测和人
收稿日期： 2010 － 04 － 25． 基金项目： 广东省自然科学基金资助项目 （ 9451064101003049 ） ． 作者简介： 马 乐（ 1968 —） ， 女， 副教授．
信息． 人脸和眼睛检测系统的精度与速度直接影 响疲劳预警系统的性能． 驾驶员疲劳驾驶预警系 统的应用超越了人脸识别系统的范畴， 在视频会 智能人机交互、 虹膜识别系统等方面也有重要 议、 的应用价值．
格低廉的设备． 2. 1 图像采集 采用 CCD 摄像头拍下驾驶员头部图像， 经过 高精度的 A / D 转换成 DSP 可以读取的数字图像． 本文使用了 SONY420 线彩色红外夜视海螺型 CCD 摄像头作为图像的采集设备． 这款 CCD 能自动感 应外界光线， 当外界光线充足时得到普通的彩色图 像， 而光线不足时由 CCD 自动开启镜面上自带的 两圈红外 LED 灯， 利用 LED 发出的近红外作为光 满足系统全天候工作的要求． 采 源获得红外图像， 用 Philips 公司的视频采集处理芯片 SAA7113H 作为视频解码器， 来实现模拟视频的数字化． 2. 2 图像处理