基于5G和車聯(lián)網(wǎng)技術(shù)下的疲勞駕駛預警系統(tǒng)

劉彩虹　李淦初　李詩

摘要：通過逐年報告分析，疲勞駕駛一直是交通事故中的一大重要隱患。本文結(jié)合5G和車聯(lián)網(wǎng)的技術(shù)背景，對實時監(jiān)測疲勞駕駛預警系統(tǒng)進行了一系列設(shè)計和構(gòu)思，從項目概述、實施方案到項目特色和對未來展望進行了深入的探索。

關(guān)鍵詞：5G;車聯(lián)網(wǎng);疲勞駕駛;通信;預警

中圖分類號：TD302文獻標識碼： A

文章編號：1009-3044（2021）04-0181-03

1引言

隨著人民經(jīng)濟水平的不斷提升，家家戶戶擁有私人汽車已司空見慣。私家車數(shù)量不斷增長的同時，交通事故發(fā)生的頻率也大大提高，其中因疲勞駕駛引發(fā)的交通事故一直都是一個重大隱患。隨著科學技術(shù)的發(fā)展，相關(guān)的疲勞預警技術(shù)卻仍存在較大缺陷，還具有很大的發(fā)展空間。依據(jù)國內(nèi)外已有的疲勞駕駛預警系統(tǒng)的研究和分析，疲勞駕駛預警系統(tǒng)主要還存在著一些不足。德系汽車、日產(chǎn)等公司采用的是間接測量，通過機器學習等方法分析駕駛員的行為，但其精確度不高，容易出現(xiàn)誤判等不良情況;豐田、捷豹等公司采用直接測量的方式，通過人面部特征或是腦電信息來作為判斷依據(jù)，雖然精確度大大提高，但是成本也相對應升高，很難實現(xiàn)普遍推廣。由此可見疲勞駕駛預警技術(shù)還有極大的發(fā)展和完善空間。

隨著5G元素的提出和普及，再到車輛間智能化、電子化以及網(wǎng)聯(lián)化的提高和改善，云平臺和新興科技的發(fā)展，疲勞駕駛預警技術(shù)存在的不足可以進一步得到發(fā)展和改善。提高精度降低成本，更加人性化和智能化的疲勞駕駛預警系統(tǒng)在不久的未來將會成為現(xiàn)實。

本文所構(gòu)思的系統(tǒng)將以5G和車聯(lián)網(wǎng)為時代背景，研究一款高效的精確度較高的疲勞駕駛預警系統(tǒng)。

2設(shè)計方案

總體設(shè)計理念框圖如圖1所示：

2.1 疲勞預警系統(tǒng)設(shè)計

2.1.1 信息采集

1）攝像頭模塊

疲勞駕駛多半是駕駛員熬夜行駛引起，在白天和夜晚都有可能會出現(xiàn)疲勞駕駛現(xiàn)象。但在夜晚發(fā)生疲勞駕駛時，普通的攝像頭可能無法清晰的捕獲到駕駛員面部信息。因此系統(tǒng)將會選用紅外高清攝像頭，即便疲勞駕駛發(fā)生在比較漆黑的夜晚，攝像頭也能清楚的捕獲駕駛員的面部信息。如圖1所示，采用DH-S10-1080P紅外高清攝像頭進行人像拍攝。

2）CCD圖像傳感器

CCD圖像傳感器是一種新型光電轉(zhuǎn)換器，具有體積小、重量輕、分辨率高、靈敏度高等優(yōu)點。選用CCD圖像傳感器和紅外高清攝像頭構(gòu)成信息采集部分，大大提高了信息采集的時效性和準確性。

3）攝像頭安裝位置選擇

傳統(tǒng)的疲勞預警設(shè)備有頭戴式和懸掛式等幾種，這些傳統(tǒng)的設(shè)備都有一個比較大的弊端，即在檢測駕駛員疲勞情況的同時，也很大程度上影響了駕駛員的行駛，甚至有可能造成無法預料的交通事故?？紤]到這些因素，將系統(tǒng)的攝像頭安裝在距駕駛員0.5m左右的汽車儀表盤上方，一是具有較強的隱蔽性，不會影響到駕駛員行駛和判斷路況;二是不會給駕駛員在駕駛過程中造成不適，安裝位置比較合理，能全面拍攝到駕駛員面部。

2.1.2 信息處理

在現(xiàn)實場景中，有諸多的外界因素會使收集的圖像信息出現(xiàn)模糊、重影、色差或是曝光嚴重而不成像等問題。因此，對采集的信息再進行一次信息處理，使收集的面部信息更加清晰將會大大提高系統(tǒng)判斷的準確性。 本系統(tǒng)選用的圖像處理的技術(shù)有Gamma校正和高斯濾波。

Gamma校正是對輸入的圖像的灰度值進行指數(shù)變換的過程，進而校正亮度偏差，通常應用于擴展暗調(diào)的細節(jié)。基于Gamma校正開發(fā)出的Gamma灰度校正技術(shù)，通過改變自身參數(shù)值來改變圖像整體的亮度，圖像過暗的部分經(jīng)Gamma校正會得到比較好的改善。

高斯濾波用高斯函數(shù)來對輸入信號進行計算然后得出結(jié)果作為該信號的值，本系統(tǒng)采用二維的高斯函數(shù)濾波通過在水平和豎直方向?qū)D像進行處理，更加的方便快捷，并且能獲得信噪比比較高的圖像，大大提高了人臉系統(tǒng)識別的可靠性。

2.1.3 信息判斷

信息判斷的總體流程如圖2所示：

1）人臉部和眼部檢測

人臉檢測和人眼檢測是一項檢測出圖像中人臉和人眼所在位置的技術(shù)，其算法是輸入一張圖像，輸出的是一個人臉或人眼眶坐標序列。通常情況下，人臉或人眼坐標框是一個矩形。因此系統(tǒng)將通過攝像頭采集的圖像信息，根據(jù)相關(guān)算法進行人臉或人眼檢測。本系統(tǒng)基于opencv這樣一個開源的計算機視覺庫來實現(xiàn)人臉和人眼檢測，opencv有著Python、C++和Java等多種接口，并支持Android、Linux、Windows和IOS等平臺，人臉和人眼檢測的算法采用Python語言進行編寫，能夠準確地捕捉到圖像中的人臉，并且能夠精確識別人眼位置。開發(fā)過程中，還可以設(shè)置“輸入圖像尺寸”“最小臉尺寸限制”以及“人臉或人眼數(shù)量上限”來加速算法。

2）疲勞判斷

系統(tǒng)定位到人眼后，根據(jù)基于疲勞程度系數(shù)和眨眼頻率算法來進行駕駛員疲勞程度的判斷，正常情況下，一分鐘內(nèi)人眨眼次數(shù)的范圍為（15，25）。當檢測到駕駛員一分鐘內(nèi)的眨眼次數(shù)不在這個正常范圍內(nèi)時，則判斷為異常狀態(tài)。當眨眼次數(shù)為異常狀態(tài)時再根據(jù)具體眨眼次數(shù)進行具體分析，一分鐘眨眼次數(shù)在（0，15）范圍內(nèi)判定為疲勞狀態(tài)，在25次以上時判定為其他特殊情況，確定為疲勞狀態(tài)時再根據(jù)人眼狀態(tài)進行細分。

在本系統(tǒng)中，設(shè)置P參數(shù)表示司機的疲勞的程度數(shù)值，S1代表實時采樣的駕駛員眼睛睜開的面積，S0為系統(tǒng)之前保存的清醒狀態(tài)下的黑色面積。則疲勞程度的判斷公式如式（1）所示：

當系統(tǒng)根據(jù)眨眼疲勞判斷駕駛員為疲勞狀態(tài)后，若疲勞程度值在0和0.25之間時判定眼睛為閉合狀態(tài)，即駕駛員處于重度疲勞;當疲勞程度值處于0.25和0.5之間時，判定為半睜開狀態(tài)，即駕駛員處于輕度疲勞;當疲勞程度值處于0.5和1之間時，判定為睜開狀態(tài)，即駕駛員為正常行駛。

2.1.4 信息傳輸

當行駛道路上有疲勞駕駛的情況發(fā)生時，該疲勞駕駛車輛的相關(guān)信息，例如速度和具體位置信息會通過5G車聯(lián)網(wǎng)這樣一個通信網(wǎng)絡(luò)傳輸至周圍車輛，使周圍車輛提前預知到身邊的危險信息，讓危險變得可視化，預留出充足的時間給周圍車輛提前做好相關(guān)應急準備，進而避免交通事故的發(fā)生。

2.2 5G車聯(lián)網(wǎng)通信的實現(xiàn)思路

本系統(tǒng)通過植入5G模塊進行無線傳輸，采用蜂窩車聯(lián)網(wǎng)基于PC5接口的V2V通信，車輛用戶數(shù)據(jù)的接收與發(fā)送服從半雙工數(shù)據(jù)的傳輸方式。發(fā)送用戶使用廣播機制通過副鏈路將車聯(lián)網(wǎng)需要傳輸?shù)男畔鬏斀o位于一定距離范圍內(nèi)的多個用戶，這樣便能實現(xiàn)將疲勞駕駛車輛的相關(guān)信息通過車聯(lián)網(wǎng)傳輸給周圍車輛，起到預警作用。

2.3 本系統(tǒng)的創(chuàng)新點

2.3.1 多角度實時監(jiān)測駕駛狀態(tài)

傳統(tǒng)的疲勞駕駛預警系統(tǒng)是通過依據(jù)傳感器檢測車輛狀態(tài)參數(shù)，如車速、發(fā)動機轉(zhuǎn)速、橫擺角速度、側(cè)向加速度、轉(zhuǎn)向盤角速度和角加速度等及各信號的后處理參數(shù)進行分析計算得到駕駛員狀態(tài)監(jiān)測結(jié)果，或駕駛員佩戴相關(guān)儀器采集心電信號和腦電信號來判斷是否疲勞。前者精度不高，容易造成誤判，后者精度雖高但會影響司機駕駛和甚至判斷路況，并讓司機造成極度的不舒適感。本系統(tǒng)采用的眼部狀態(tài)、眨眼頻率和車內(nèi)環(huán)境多方面結(jié)合判斷疲勞駕駛，不僅彌補了前者的精確度低的缺陷，還避免了后者給司機帶來的不適感和麻煩。并對司機的駕駛狀態(tài)進行實時監(jiān)測，不斷采集司機的面部信息和車內(nèi)環(huán)境信息，一旦符合疲勞駕駛條件便會啟動報警，在一定程度上阻斷疲勞駕駛的發(fā)生，大大提高了安全行駛的可行度。

2.3.2 5G車聯(lián)網(wǎng)通信覆蓋范圍廣

由于通信基于5G的車聯(lián)網(wǎng)系統(tǒng)，5G覆蓋范圍很廣，5G車聯(lián)網(wǎng)V2V通信的最大距離大約為1000 m，可以解決車輛自組網(wǎng)通信中短暫、不連續(xù)的連接問題，尤其是在通信過程中遇到大型物體遮擋的環(huán)境下。這樣的系統(tǒng)更加靈活可變，即便出現(xiàn)通信不穩(wěn)定等通信問題，依舊不會影響系統(tǒng)的運作?；?G高速低時延的特點，使系統(tǒng)增加了車與車之間無障礙低時延的信息通信特色，在時間上為應對交通事故爭取了更多時間，從根源上阻斷因疲勞駕駛造成的連環(huán)追尾等重大事故的發(fā)生。

2.3.3 可以語音報警和語音識別

為避免當附近有疲勞駕駛車輛時對周圍車輛進行信息傳輸和報警而影響正常的駕駛車主行駛，其報警系統(tǒng)可以選擇像導航提示語音一樣柔和的語音進行提示，避免正常車主在行駛過程中造成突然的驚嚇而造成交通事故發(fā)生。并考慮到駕駛員駕駛車輛時不方便操控系統(tǒng)的一些功能，本系統(tǒng)采用了語音控制功能，可以通過一定的語音識別對系統(tǒng)進行操控。

2.3.4疲勞駕駛的多程度判斷

本疲勞駕駛預警系統(tǒng)采用多程度判斷模式，對不同程度的疲勞駕駛進行不同的報警方式，以減少因為誤判而造成對車主的影響。如果檢測到車內(nèi)二氧化碳超過設(shè)定值時，系統(tǒng)會通過語音提示車主可以進行開窗通風，以防止疲勞;如果車主被判定為輕度疲勞時，系統(tǒng)會通過語音進行報警并伴隨短促間斷的蜂鳴器報警音，并向周圍車輛發(fā)出報警信息;如果被判定為重度疲勞，系統(tǒng)會通過高強度的語音報警和持續(xù)的蜂鳴器報警音，并向周圍車輛發(fā)出報警信息，并通過車聯(lián)網(wǎng)聯(lián)系交管部門。通過細致化的判斷疲勞駕駛系統(tǒng)，會減少帶給車主的不適感和出現(xiàn)誤判是造成的麻煩，可以使系統(tǒng)更加完備和成熟。

3 結(jié)束語

5G是當今時代科研的發(fā)展趨勢，5G終將會被普及，而5G和車聯(lián)網(wǎng)的結(jié)合將會給交通帶來巨大的便利。5G通信的低時延、可靠和大吞吐優(yōu)勢以及5G車聯(lián)網(wǎng)支持速度更快的車輛通信和可以提供高速的下行和上行鏈路數(shù)據(jù)速率讓車與車、車與移動終端之間實現(xiàn)高質(zhì)量通信的特點，使傳統(tǒng)的疲勞駕駛系統(tǒng)跳出了低速高時延，傳播范圍窄的弊區(qū)，讓該系統(tǒng)具有了更高的研究意義和價值，基于5G的車聯(lián)網(wǎng)疲勞駕駛預警系統(tǒng)將成為未來重要的發(fā)展方向。加之車聯(lián)網(wǎng)的存在，周圍的車輛可以實現(xiàn)車與車之間信息傳遞和共享，將身邊的危險變得可視化。車主可以提前預知到周圍的危險，提前做好相應的應急措施，對危險進行預判，很大程度上減少了交通事故的發(fā)生而造成不必要的傷亡，對社會穩(wěn)定和人民生活具有極高的價值意義。

參考文獻：

[1] 魏秀林，黃健喬慧峰，等.5G賦能車聯(lián)網(wǎng)供應鏈的研究[J].物流科技，2020，43（2）：125-126.

[2] 李杏.5G車聯(lián)網(wǎng)資源分配技術(shù)研究與評估[D].北京：北京郵電大學，2019.

[3] 王小臣，蔣樹國，王成.車聯(lián)網(wǎng)中移動邊緣計算的網(wǎng)絡(luò)架構(gòu)[J].客車技術(shù)與研究，2020，42（2）：9-11，22.

[4] 敖立. 推進5G可推廣的創(chuàng)新模式和發(fā)展路徑[N].人民郵電，2020-04-28（004）.

[5] 刁倩.汽車疲勞駕駛車載聯(lián)網(wǎng)預警系統(tǒng)的研究[D].淮南：安徽理工大學，2015.

[6] 朱雪田.5G車聯(lián)網(wǎng)技術(shù)與標準進展[J].電子技術(shù)應用，2019，45（8）：1-4，9.

[7] 李東澤.基于5G的車聯(lián)網(wǎng)技術(shù)的優(yōu)勢分析[J].通訊世界，2019（10）：146-147.

[8] 陳瑜，李錦濤，徐軍莉，等.基于眼動特征的駕駛員疲勞預警系統(tǒng)設(shè)計[J].軟件導刊，2020，19（5）：116-119.

[9] 李超，石向榮，黃劍華.基于腦電信號處理的疲勞駕駛預警系統(tǒng)的設(shè)計與實現(xiàn)[J].科學技術(shù)創(chuàng)新，2018（2）：75-76.

[10] 于立嬌，吳振昕，王文彬，等.駕駛員疲勞狀態(tài)監(jiān)測系統(tǒng)綜述[J].汽車文摘，2019（3）：24-30.

[11] 馮婧，顧梅花.基于OpenCV的人臉識別算法研究與實現(xiàn)[J].電腦知識與技術(shù)，2020，16（14）：3-5.

[12] 莫玲，麥仁標，馬博，等.人眼狀態(tài)檢測與識別系統(tǒng)研究[J].輕工科技，2020，36（2）：77-80.

【通聯(lián)編輯：梁書】