基于人眼識(shí)別的汽車輔助駕駛系統(tǒng)設(shè)計(jì)與研究

王皓　張海艷　邱文凱

摘 要：近年來，由于疲勞駕駛所導(dǎo)致的交通事故比例持續(xù)上升，而傳統(tǒng)疲勞駕駛檢測(cè)技術(shù)和方法在現(xiàn)實(shí)應(yīng)用中效果較差。本文利用人眼識(shí)別技術(shù)，研究并設(shè)計(jì)了一套基于計(jì)算機(jī)圖像處理的疲勞駕駛檢測(cè)系統(tǒng)。通過一系列圖像處理技術(shù)提取人眼特征參數(shù)，經(jīng)過對(duì)比判斷是否存在疲勞駕駛情況。實(shí)驗(yàn)證明該系統(tǒng)可以達(dá)到真正的實(shí)時(shí)性，及時(shí)發(fā)出警報(bào)，有效預(yù)防疲勞駕駛。

關(guān)鍵詞：人眼識(shí)別；疲勞駕駛；圖像處理

近年來，科技水平不斷發(fā)展，人工智能已經(jīng)成為當(dāng)前的一大熱點(diǎn)，而人臉識(shí)別更是人工智能領(lǐng)域的重中之重。人眼檢測(cè)作為人臉識(shí)別不可或缺的一部分，隨著圖像處理技術(shù)的不斷發(fā)展，已經(jīng)實(shí)現(xiàn)了跨越式的突破。由于人眼識(shí)別技術(shù)日趨成熟，人眼識(shí)別技術(shù)的應(yīng)用也越來越廣泛，其中尤以基于人眼檢測(cè)的汽車輔助駕駛系統(tǒng)最為廣泛。

目前，我國(guó)每年的道路交通事故中，造成汽車碰撞事故的原因有近四成是疲勞駕駛，因此疲勞駕駛已成為交通事故的主要?dú)⑹?。通常駕駛員在經(jīng)過長(zhǎng)時(shí)間的駕駛之后，其身體各項(xiàng)生理狀況均會(huì)不同程度地下降，其中最明顯的表現(xiàn)是反應(yīng)水平的下降，這是由于駕駛員疲勞駕駛時(shí)犯困以致于注意力不集中，而人在犯困時(shí)最明顯的特征就是頻繁地眨眼睛。因此基于人眼檢測(cè)以防止駕駛員疲勞駕駛的輔助駕駛系統(tǒng)，已經(jīng)成為當(dāng)前研究的一大熱點(diǎn)。

1 疲勞檢測(cè)技術(shù)仍處于落后階段

早期的疲勞檢測(cè)方法主要是通過醫(yī)療設(shè)備對(duì)駕駛者身體各項(xiàng)的生理參數(shù)進(jìn)行監(jiān)控，以此作為駕駛者疲勞狀態(tài)判斷的依據(jù)。但由于醫(yī)療設(shè)備的價(jià)格昂貴，對(duì)于汽車駕駛者尤其是私家車主來說，車上并不會(huì)安放醫(yī)療設(shè)備，而醫(yī)療設(shè)備大多體積龐大且需要駕駛者時(shí)時(shí)佩戴以進(jìn)行檢測(cè)，這對(duì)駕駛者會(huì)造成非常大的不便，因此早期的疲勞檢測(cè)方法已不適用于現(xiàn)狀的發(fā)展?，F(xiàn)有的檢測(cè)方法不能很好地判斷疲勞狀態(tài)，對(duì)駕駛者的疲勞狀態(tài)存在錯(cuò)判、誤判等問題，對(duì)疲勞狀態(tài)程度的判定也不夠準(zhǔn)確，未來的研究需要將疲勞狀態(tài)進(jìn)行量化，建立準(zhǔn)確的疲勞程度劃分標(biāo)準(zhǔn)，對(duì)疲勞檢測(cè)問題不斷進(jìn)行完善。

隨著汽車數(shù)量不斷增加，其作為日常的主要交通工具，導(dǎo)致疲勞駕駛情況出現(xiàn)的概率增加，隨之而來的是交通事故頻發(fā)，就目前而言，提高駕駛安全性需求高，市場(chǎng)前景廣闊。其中基于人眼檢測(cè)的汽車輔助駕駛系統(tǒng)正在興起，但該領(lǐng)域的發(fā)展尚不完善，還有很多地方需要開發(fā)。

本系統(tǒng)以人眼檢測(cè)為基礎(chǔ)、疲勞檢測(cè)為主要功能，其結(jié)果可以作為司機(jī)當(dāng)前疲勞狀態(tài)的主要判定依據(jù)。本系統(tǒng)可以應(yīng)用于汽車輔助駕駛系統(tǒng)，可以對(duì)疑似疲勞駕駛的司機(jī)提出停止行駛警告，保證其生命財(cái)產(chǎn)安全。

2 系統(tǒng)設(shè)計(jì)

總體設(shè)計(jì)框架

首先編寫核心算法，然后利用MATLAB提供的GUI接口建立框架，將算法導(dǎo)入框架中，進(jìn)一步完成功能設(shè)計(jì)，形成一個(gè)人眼檢測(cè)系統(tǒng)。系統(tǒng)主要包括圖像獲取、圖像預(yù)處理、人臉檢測(cè)、人眼檢測(cè)和疲勞程度檢測(cè)五個(gè)方面。

系統(tǒng)執(zhí)行過程中，首先將攝像頭中包含人臉的幀圖像提取出來。由于圖像質(zhì)量在不同的光照強(qiáng)度、不同的天氣和不同的設(shè)備下都會(huì)受到影響，如果直接對(duì)攝像頭獲取的圖像進(jìn)行檢測(cè)，會(huì)產(chǎn)生不理想的結(jié)果。所以在對(duì)圖像檢測(cè)之前先對(duì)其進(jìn)行預(yù)處理，按一定的灰度線性變換函數(shù)對(duì)圖像進(jìn)行灰度化，使用空域法中的均值濾波對(duì)圖像進(jìn)行平滑處理，再使用Robert邊緣檢測(cè)得到圖像的顏色、亮度等信息，搜索出人臉邊界，之后再對(duì)圖像做二值化處理。然后使用人臉檢測(cè)和人眼檢測(cè)相結(jié)合的方法定位可能區(qū)域，再使用黑色連通區(qū)域標(biāo)記法解決對(duì)于配戴眼鏡的駕駛員人眼定位不準(zhǔn)的問題，最后使用PERCLOS方法，降低誤報(bào)率。

3 系統(tǒng)實(shí)現(xiàn)概述

3.1 圖像采集

圖像采集是圖像獲取的主要途徑，也是圖像預(yù)處理技術(shù)的基礎(chǔ)。本系統(tǒng)通過車載高清攝像頭對(duì)駕駛者進(jìn)行實(shí)時(shí)攝影，通過對(duì)視頻中的每一幀畫面進(jìn)行優(yōu)化處理，保證圖像的采集質(zhì)量，對(duì)采集到的圖像進(jìn)行預(yù)處理，突出感興趣區(qū)域，然后對(duì)圖像的特征進(jìn)行提取，識(shí)別出駕駛者的人臉部分，在此基礎(chǔ)上再進(jìn)行人眼的檢測(cè)。

本系統(tǒng)圖像采集的速率快，檢測(cè)效率高，而且不需要特殊光源，在正常光照下便可實(shí)現(xiàn)，此外，在光線不強(qiáng)甚至黑暗中均可快速、有效地實(shí)現(xiàn)圖像采集。

3.2 圖像預(yù)處理

3.2.1 灰度處理和直方圖均衡化

為了凸顯檢測(cè)到的視頻幀中的細(xì)節(jié)部分并提高圖像清晰度，通常需要將圖像進(jìn)行灰度處理?；叶茸儞Q通常被稱為圖像對(duì)比度增強(qiáng)，根據(jù)目標(biāo)條件按一定變換關(guān)系逐點(diǎn)改變?cè)瓐D像中的每一個(gè)像素灰度值，下面介紹本系統(tǒng)采用的均值法。

在計(jì)算機(jī)圖像處理中，我們通常使用RGB顏色系統(tǒng)，即通過紅（R）、綠（G）、藍(lán)（B）三個(gè)通道的變化和疊加決定每個(gè)彩色圖像的像素點(diǎn)，其中每個(gè)通道的取值均在0～255之間。項(xiàng)目采用的均值處理將三個(gè)分量的亮度做均值，并將平均值再次賦給該像素點(diǎn)，由此得到輸入視頻幀的灰度圖。

直方圖均衡化是增加最大和最小像素值之間差值以及圖像整體對(duì)比度的一種方法。將原來的動(dòng)態(tài)范圍從fmin～fmax改變?yōu)?～255，其算法公式為：

gx，y=

當(dāng)攝錄視頻環(huán)境的照明效果不好時(shí)，最大最小之間差值會(huì)變小，對(duì)比度相對(duì)較低，也就是我們?nèi)搜鬯吹降膱D像變化不明顯，經(jīng)過均衡化處理后，視覺效果可得到改善。

3.2.2 平滑處理

受到照明、設(shè)備、傳輸信道等客觀因素的限制，圖像在傳輸、轉(zhuǎn)換和成像等過程中獲得的圖像質(zhì)量往往都會(huì)存在一定程度的下降。而且，一般的圖像中混有隨機(jī)的、形狀和大小不確定的隨機(jī)噪聲。所以我們需要圖像增強(qiáng)技術(shù)預(yù)先對(duì)圖像進(jìn)行處理，以此來獲得較好的原始圖像，為下一步識(shí)別人眼提供基礎(chǔ)。

中值濾波基本原理是將圖像某像素點(diǎn)的規(guī)定窗口內(nèi)像素值排序，選出其中的中值來代替該像素本身的像素值。例如椒鹽噪聲的特征是其像素值為0或255，而中值濾波使每個(gè)點(diǎn)的灰度值與其周圍點(diǎn)接近，有效地消除這種孤立點(diǎn)噪聲。除此之外，在消除噪聲的同時(shí)，還能較好地保護(hù)圖像的邊界信息，不會(huì)使處理后的圖像過度模糊。

中值濾波器的效果受濾波窗口尺寸的影響較大，當(dāng)濾波窗口過小時(shí)，雖然能夠很好地保護(hù)圖像中的某些細(xì)節(jié)，例如細(xì)小的邊界信息，但相應(yīng)的過濾噪聲效果較差；反之，當(dāng)窗口尺寸過大時(shí)，噪聲過濾效果比較明顯，但圖像的模糊程度會(huì)因此變高，在該項(xiàng)目中我們選擇3*3的窗口對(duì)圖像進(jìn)行降噪。

3.2.3 gamma校正

生物學(xué)中，人眼相較于攝像機(jī)對(duì)于暗色變化更為敏感，即對(duì)同等變化的暗色感知要強(qiáng)于亮色。由于人眼能夠感知到更寬的亮度范圍，攝像機(jī)捕捉的明暗變化與人眼看到的情況不同。因此，我們需要使用Gamma矯正幫助攝像機(jī)提高曝光技術(shù)，更加接近人眼感知的圖像。Gamma矯正的原理是使用伽馬曲線處理圖像，對(duì)圖像進(jìn)行非線性色調(diào)編輯。值得注意的是，大多數(shù)顯示器針對(duì)這種情況，會(huì)提前對(duì)圖像做預(yù)處理，因此存儲(chǔ)的圖像顏色信息已經(jīng)經(jīng)過Gamma矯正，我們?cè)谶M(jìn)行處理時(shí)要先對(duì)圖像做處理，保證它在線性顏色空間下，再做Gamma矯正。

每一個(gè)像素點(diǎn)分別經(jīng)過歸一化、預(yù)補(bǔ)償、反歸一化三個(gè)步驟完成矯正，我們將圖像分為深色和淺色兩部分，通過Gamma矯正將兩者的比例分別調(diào)大，從而實(shí)現(xiàn)對(duì)比度增強(qiáng)的效果。

3.3 人臉識(shí)別及人眼粗定位

為了后續(xù)更精準(zhǔn)地標(biāo)識(shí)人眼位置，我們需要提前使用臉部分類器檢測(cè)出疑似人臉的位置，再用人眼分類器檢測(cè)出粗略的眼睛位置，并將眼部及其周圍部分截取下來，剩余部分不作處理。

目前的檢測(cè)臉部的方法主要分為兩個(gè)類：基于基礎(chǔ)知識(shí)和基于統(tǒng)計(jì)的檢測(cè)。前者通過提取眼睛、嘴巴、鼻子等各器官特征信息，結(jié)合與人臉之間相對(duì)位置檢測(cè)。后者則將人臉看做一個(gè)二維像素矩陣，通過大量的人臉部圖像構(gòu)造樣本空間，最終根據(jù)相似度來判斷是否有人臉存在。

這兩種檢測(cè)框架又分別發(fā)展了許多方法，本項(xiàng)目使用的是基于統(tǒng)計(jì)檢測(cè)方法中的神經(jīng)網(wǎng)絡(luò)算法。由于這種方法需要大量的訓(xùn)練才能夠使用，而訓(xùn)練分類器需要大量的計(jì)算以及時(shí)間，除此之外，我們項(xiàng)目中樣本比較少所導(dǎo)致的訓(xùn)練不精確會(huì)造成臉部識(shí)別錯(cuò)誤。因此選擇已經(jīng)訓(xùn)練好的分類器模板，直接運(yùn)用到視頻幀中來獲得所需的人臉區(qū)域。OpenCV開源的第三方跨平臺(tái)計(jì)算機(jī)視覺庫(kù)中提供的人臉識(shí)別分類器，剛好滿足項(xiàng)目需求，所以我們?cè)谠摬襟E中，選擇調(diào)用其中的Haar分類器完成。

3.4 人眼特征提取及疲勞檢測(cè)

3.4.1 形態(tài)學(xué)處理

由于需要將視頻幀中有效部分提取出來，方便后續(xù)更精準(zhǔn)快速地定位眼球位置，我們要對(duì)圖像做二值化處理，因此如何準(zhǔn)確地提取出視頻幀中的有效信息成為人眼識(shí)別的關(guān)鍵。比如在圖像中邊界等有效信息的灰度值往往比非邊界的灰度值高，那么我們可以把灰度值大于規(guī)定閾值的像素點(diǎn)標(biāo)出來，而剩余的無效信息則視為背景。

將這種算法轉(zhuǎn)換成函數(shù)表達(dá)式為：

0，x

255，x>S

其中S為規(guī)定的閾值，有效信息區(qū)設(shè)為255，即為白色，背景設(shè)為0，即為黑色，經(jīng)過處理后，圖像轉(zhuǎn)化為黑白二值圖。

3.4.2 霍夫圓變換

在圖像處理領(lǐng)域中，霍夫圓變換是從圖像中識(shí)別集合形狀非常有效的一種方法，能夠快速準(zhǔn)確地提取我們所需要的特征信息，例如項(xiàng)目中人眼的位置。傳統(tǒng)的霍夫圓變換是從黑白圖像中檢測(cè)圓形，上一步驟已經(jīng)將錄入的視頻幀轉(zhuǎn)化為二值圖，該步則需要將圖像做霍夫變換，定位眼球的具體位置。

霍夫圓變換的原理是初始認(rèn)為每一個(gè)非零像素點(diǎn)都有可能是某一個(gè)圓上的一點(diǎn)，將每一點(diǎn)對(duì)應(yīng)的二維極值以及極角用三維的圓心x左邊、y坐標(biāo)和圓的半徑替換，三個(gè)變量生成累積坐標(biāo)平面，通過投票和設(shè)置累積權(quán)重定位圓。

將三個(gè)參數(shù)分別設(shè)為a、b、r，笛卡爾坐標(biāo)系中圓的方程為：

由a、b、r組成的三維坐標(biāo)系中，一個(gè)點(diǎn)可以唯一確定一個(gè)圓。在x-y坐標(biāo)系中經(jīng)過某一點(diǎn)的所有圓映射到該坐標(biāo)系中將會(huì)形成一條三維曲線，而在同一個(gè)圓上的點(diǎn)由于圓心左坐標(biāo)、直徑相等，即映射到三維坐標(biāo)系中同一點(diǎn)。由此我們可以通過設(shè)置閾值，并判斷某一圓心上模向量相交數(shù)量是否大于該閾值，來確定圓的位置。

3.4.3 疲勞檢測(cè)

系統(tǒng)在提取出的人臉區(qū)域中，對(duì)人眼進(jìn)行檢測(cè)，通過對(duì)圖像人臉區(qū)域進(jìn)行邊緣置白，然后搜索黑色連通片區(qū)域，得到一些可能是人眼的區(qū)域，再使用平滑處理排除單個(gè)黑色像素點(diǎn)對(duì)人眼檢測(cè)的影響，再收縮窗口以減小運(yùn)算量，使用黑色連通區(qū)域標(biāo)記法解決對(duì)于配戴眼鏡的駕駛員人眼定位不準(zhǔn)的問題，最后遍歷可能的人眼窗口并按照一定的條件判斷得到人眼的

位置。

根據(jù)有關(guān)研究發(fā)現(xiàn)：駕駛員在駕駛時(shí)若眼睛閉合時(shí)間達(dá)到0.5s以上說明人眼較為疲勞，這種情況下很容易發(fā)生交通事故。本文的系統(tǒng)采用PERCLOS作為測(cè)量指標(biāo)，首先計(jì)算出人眼睛的閉合時(shí)間和PERCLOS值，然后對(duì)人眼閉合時(shí)間做出判斷，當(dāng)時(shí)間大于0.3秒，并且PERCLOS值大于一定值時(shí)，認(rèn)為該駕駛員不宜繼續(xù)駕駛，并對(duì)駕駛員進(jìn)行提醒。PERCLOS檢測(cè)方法的優(yōu)勢(shì)簡(jiǎn)化了檢測(cè)方法，計(jì)算量小，運(yùn)算快捷，達(dá)到了實(shí)時(shí)性好、檢測(cè)準(zhǔn)確率高、抗干擾性強(qiáng)的效果。

4 總結(jié)

本系統(tǒng)從汽車駕駛方面出發(fā)，通過對(duì)人眼檢測(cè)系統(tǒng)的研究，準(zhǔn)確有效地檢測(cè)人眼疲勞程度，降低交通事故發(fā)生率，給社會(huì)帶來長(zhǎng)久的效益。

從交通部門角度看，人眼檢測(cè)系統(tǒng)的運(yùn)用有利于對(duì)潛在的交通隱患進(jìn)行有效的預(yù)防管理或更方便找出事故發(fā)生的成因。傳統(tǒng)的方法只能通過乘車者的監(jiān)督或采取加大宣傳力度、加強(qiáng)特定時(shí)間的巡邏監(jiān)控等。但人眼檢測(cè)可檢測(cè)駕駛?cè)耸欠衿隈{駛，節(jié)省人力物力資源，從而有效解決這一交通問題。另外，基于人眼的檢測(cè)，可優(yōu)化監(jiān)測(cè)管理系統(tǒng)，利用計(jì)算機(jī)對(duì)不同人群的人眼跟蹤識(shí)別并顯示用戶部分特征，從而對(duì)犯罪事件、安全事件有一定的幫助，一定程度上維護(hù)社會(huì)的長(zhǎng)治久安。

從駕駛員角度來看，使用基于人眼檢測(cè)系統(tǒng)的汽車駕駛輔助系統(tǒng)，實(shí)時(shí)有效地檢測(cè)出駕駛員的疲勞程度，對(duì)需要休息的駕駛員發(fā)出提醒信息，提醒其停車休息。對(duì)保障駕駛員生命與財(cái)產(chǎn)安全、減少交通事故的發(fā)生，具有重大的意義。

從企業(yè)角度來看，近年來，隨著消費(fèi)者對(duì)交通工具安全性能的越發(fā)看重，很多企業(yè)已把安全系統(tǒng)的提高作為研發(fā)的重點(diǎn)。而人眼檢測(cè)系統(tǒng)，在安全系統(tǒng)的指數(shù)得到提升的同時(shí)為企業(yè)降低了研發(fā)的成本。另外，人眼檢測(cè)系統(tǒng)可通過隨時(shí)檢測(cè)人臉和人眼的變化并實(shí)時(shí)跟蹤，利用傳感器、算法和可執(zhí)行層來實(shí)現(xiàn)輔助駕駛，從而大幅度提升駕駛的安全指數(shù)。而通過人機(jī)交互，用戶對(duì)使用該企業(yè)安全系統(tǒng)的反饋，有利于企業(yè)對(duì)安全系統(tǒng)不斷優(yōu)化，提高企業(yè)的經(jīng)濟(jì)效率和利潤(rùn)。

通過調(diào)查分析發(fā)現(xiàn)，對(duì)不同人群的人眼跟蹤識(shí)別并顯示用戶部分特征對(duì)輔助汽車駕駛有一定的幫助。不僅如此，隨著信息技術(shù)的不斷革新，人眼跟蹤技術(shù)的運(yùn)用領(lǐng)域不斷擴(kuò)大，汽車駕駛輔助系統(tǒng)、視頻監(jiān)控、人員跟蹤等都可將其運(yùn)用其中。可見，智能識(shí)別系統(tǒng)正悄悄地走進(jìn)我們的生活，隨之而來的便是智能識(shí)別技術(shù)的研究?jī)r(jià)值不斷提高。本文系統(tǒng)在技術(shù)上使用圖像預(yù)處理、人臉檢測(cè)與人眼檢測(cè)相結(jié)合、平滑處理和PERCLOS方法，達(dá)到降低誤報(bào)率的效果，在創(chuàng)新上強(qiáng)化單一操作的性能，便于不同人群的使用，適應(yīng)符合當(dāng)代社會(huì)發(fā)展的需求，在市場(chǎng)上占有一定優(yōu)勢(shì)。