基于人臉識別的防疲勞智能駕駛系統(tǒng)

金谷香，盛文祥，彭元龍，龔博，胡嘯，張小彤

（合肥職業(yè)技術(shù)學(xué)院，安徽合肥，230012）

在每年的交通事故中，因駕駛員駕駛技能不合格、駕駛習(xí)慣差、酒后駕駛、疲勞駕駛等原因引起的交通事故占交通事故的50%以上。交通事故不僅造成大量人員傷亡，而且給數(shù)以萬計(jì)的家庭帶來不幸，對社會經(jīng)濟(jì)的發(fā)展和穩(wěn)定帶來不可忽略的影響。疲勞是造成重大交通事故的重要原因，對司機(jī)疲勞狀態(tài)進(jìn)行實(shí)時監(jiān)測對有效減少交通事故和人員傷亡具有十分重要的現(xiàn)實(shí)意義。

對于醉酒駕駛，目前實(shí)施的法律法規(guī)只能對經(jīng)過的車輛進(jìn)行定點(diǎn)檢測，用以檢測司機(jī)是否醉酒，但是不能從源頭上阻止司機(jī)醉酒駕駛。本系統(tǒng)在司機(jī)打開車門上車時，使用基于STM32單片機(jī)的酒精傳感器，檢測汽車內(nèi)空氣中的酒精濃度，如果已經(jīng)達(dá)到酒后駕駛的標(biāo)準(zhǔn)，立即采取相應(yīng)的措施。與此同時，司機(jī)疲勞駕駛也是導(dǎo)致交通事故發(fā)生的主要原因之一。在司機(jī)駕駛的過程中，休息不足和過度疲勞會導(dǎo)致司機(jī)注意力不集中、反應(yīng)遲緩等現(xiàn)象。在行車途中，若司機(jī)不能正確及時地做出反應(yīng)，則很容易造成交通事故，重則危害人身安全。本系統(tǒng)利用基于圖像識別的人臉特征點(diǎn)和人臉特征點(diǎn)的定位記錄司機(jī)的連續(xù)駕駛時間，從而判斷司機(jī)是否為疲勞駕駛。當(dāng)檢測到的數(shù)據(jù)達(dá)到閾值，則本系統(tǒng)會語音發(fā)出警報(bào)，及時提醒司機(jī)注意行車安全、需要停車休息。本系統(tǒng)采用模式識別技術(shù)，在方向盤上安裝變壓器角位移傳感器、GPS模塊和嵌入式模式識別系統(tǒng)。其中，變壓器角位移傳感器用于采集方向盤角的電壓變化，然后嵌入式系統(tǒng)針對檢測數(shù)據(jù)對連續(xù)變化的電壓構(gòu)成的波形進(jìn)行模式識別，用以確定司機(jī)的疲勞程度。本系統(tǒng)還分析GPS數(shù)據(jù)的變化來確定車輛的停車或動作等狀態(tài)，用以控制算法中連續(xù)行駛時間的周期。本系統(tǒng)結(jié)合變壓器角位移傳感器采集方向盤角的電壓變化數(shù)據(jù)和GPS數(shù)據(jù)為疲勞駕駛提供預(yù)警，以便更有效地防止司機(jī)疲勞駕駛。

1 系統(tǒng)架構(gòu)設(shè)計(jì)

1.1 基于STM32的酒精傳感器

設(shè)置反醉酒駕駛室，規(guī)定駕駛員血液中的酒精含量閾值為20mg/100ml，若司機(jī)血液中酒精含量大于等于閾值，則屬于酒后駕駛。根據(jù)數(shù)據(jù)調(diào)研情況[2]可以估計(jì)，在緩慢飲酒的情況下，飲用三瓶啤酒后8.6小時內(nèi)駕駛車輛是違反標(biāo)準(zhǔn)的情況。

在本檢測模塊中，主要使用的是基于STM32單片機(jī)的酒精傳感器。當(dāng)車輛車門打開的時候，傳感器裝置立即進(jìn)入工作狀態(tài)，以便檢測車輛內(nèi)空氣酒精濃度。若達(dá)到醉酒駕駛的閾值，車輛點(diǎn)火裝置的電源將立即被切斷，汽車無法啟動。

本檢測模塊采用MQ3型酒精傳感器，用以檢測車輛駕駛室內(nèi)空氣中酒精的濃度。MQ3型酒精傳感器對酒精乙醇蒸汽具有較高的靈敏性和較好的甄別性[3]，其導(dǎo)電率隨空氣中酒精乙醇濃度的增大而增加。MQ3型酒精傳感器工作時，將酒精濃度轉(zhuǎn)換成電信號，將傳感器元件的A0端連接到單片機(jī)的模擬電壓輸出端。

圖1 酒精傳感器檢測模塊流程圖

1.2 基于人臉識別的防疲勞駕駛檢測系統(tǒng)

在進(jìn)行圖像處理智能分析時，因?yàn)樯婕暗酱罅康囊曨l圖像和其他數(shù)據(jù)，因此利用圖像智能分析技術(shù)對采集系統(tǒng)中的視頻圖像數(shù)據(jù)進(jìn)行處理。智能圖像分析與處理技術(shù)采用智能神經(jīng)網(wǎng)絡(luò)技術(shù)，通過分層處理將有用的對象從視頻圖像中分離出來。該技術(shù)借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，能夠快速分析視頻圖像數(shù)據(jù)，并且過濾掉其他多余的信息。視頻源中的關(guān)鍵信息將自動分析和提取，這些數(shù)據(jù)都是對駕駛員進(jìn)行疲勞分析的重要參數(shù)。比如：利用圖像識別技術(shù)傳遞的數(shù)據(jù)識別車輛的車牌號等。在進(jìn)行圖像搜索的過程中，能夠利用車輛的基礎(chǔ)特征來搜索車輛。則利用該技術(shù)可以通過分析駕駛員的相對應(yīng)視頻參數(shù)，分析駕駛員是否疲勞駕駛。

圖像識別廣泛應(yīng)用于我們的日常生活當(dāng)中。隨著計(jì)算機(jī)技術(shù)和電子技術(shù)的飛快發(fā)展，計(jì)算機(jī)能夠?qū)崟r處理圖像，高效的圖像處理算法和圖像識別技術(shù)在智能交通領(lǐng)域中占據(jù)很重要的地位。圖像恢復(fù)技術(shù)[4]是基于圖像的主要技術(shù)。在圖像識別過程中，必須對圖像進(jìn)行預(yù)處理，除去圖像的冗余信息，提取關(guān)鍵的特征信息。然后對檢測樣本進(jìn)行分類，得到分類組，最后對識別出的圖像進(jìn)行分類識別。

圖2 人臉識別檢測模塊流程圖

1.2.1 數(shù)據(jù)處理技術(shù)

由于系統(tǒng)中數(shù)據(jù)量大，同時數(shù)據(jù)的多樣性和異構(gòu)性，數(shù)據(jù)處理一般需要實(shí)時性和準(zhǔn)確性。因此，采用數(shù)據(jù)融合、數(shù)據(jù)挖掘、數(shù)據(jù)激活、數(shù)據(jù)可視化等數(shù)據(jù)處理技術(shù)。因?yàn)楸緳z測系統(tǒng)中檢測存儲有大量的視頻圖像等數(shù)據(jù)，故采用圖像智能分析技術(shù)對智能交通中的視頻圖像數(shù)據(jù)進(jìn)行處理。智能圖像分析與處理技術(shù)采用智能神經(jīng)網(wǎng)絡(luò)技術(shù)，通過分層處理將視頻圖像中有用的對象分離出來。該項(xiàng)技術(shù)借助計(jì)算機(jī)強(qiáng)大的數(shù)據(jù)處理功能，可以對視頻圖像數(shù)據(jù)進(jìn)行快速分析，并對圖像進(jìn)行過濾冗余信息。視頻源中關(guān)鍵信息的自動分析和提取將為監(jiān)控提供有用的信息。如：基于圖像識別技術(shù)，能夠利用通行數(shù)據(jù)識別車輛車牌號、車輛屬于何種品牌等。如果要搜索圖片，還能夠通過截取車輛特征來搜索車輛。通過分析駕駛員駕車時的視頻，能夠判斷出司機(jī)是否為疲勞駕駛。

1.2.2 圖像識別技術(shù)

隨著計(jì)算機(jī)技術(shù)和電子技術(shù)的飛速發(fā)展，計(jì)算機(jī)不僅可以實(shí)現(xiàn)實(shí)時處理圖像，還可以提供高效的圖像處理算法和圖像識別技術(shù)，圖像識別廣泛應(yīng)用于我們的日常生活中。圖像識別技術(shù)是主要是基于圖像的特征，在圖像識別過程中，對圖像進(jìn)行預(yù)處理，除去圖像中的冗余信息，以便提取關(guān)鍵的人物信息。然后對圖像樣本進(jìn)行分類，得到不同特征的分類組，最后對識別出的圖像進(jìn)行識別分類。

為了提高檢測模塊的識別率，第一步要進(jìn)行圖像處理。圖像預(yù)處理可以有效地減少圖像中沒有識別出的值冗余信息，消除原始圖像的噪聲。圖像預(yù)處理單元由照相機(jī)、掃描儀和其他采集設(shè)備輸入到計(jì)算機(jī)。一般的圖像預(yù)處理步驟包括灰度化、二值化、去噪、圖像分割等。

1.2.3 圖像灰度級

由于彩色圖像調(diào)色板的內(nèi)容較復(fù)雜，無法處理許多圖像算法，因此有必要對彩色圖像的灰度值[5]進(jìn)行處理。圖像中每個像素的R、G、B分量的灰度圖像值相等。一般的圖像的灰度值是對圖像的R、G、B三個分量進(jìn)行加權(quán)，使用最終得到的灰度值。常用的計(jì)算灰度值的方法有平均法、最大法和加權(quán)平均法。本檢測單元采用平均法計(jì)算每個像素R、G、B的平均亮度，取這三個分量的平均亮度作為該像素的灰度值，即：

該像素點(diǎn)的兩個值是根據(jù)一定的標(biāo)準(zhǔn)將圖像中的像素分為兩種對比度較大的顏色。一般計(jì)算灰度值的方法有自適應(yīng)閾值和給定閾值的方法。本檢測單元計(jì)算灰度值采用閾值法，其基本原理是設(shè)置圖像f(x,y)，灰度范圍為(α1, α2)，在α1和α2之間選取合適的灰度值p，p∈(α1, α2)：

其中為(x,y)像素點(diǎn)圖標(biāo)，P為閾值。F(x,y)是經(jīng)過該像素點(diǎn)兩個值處理的灰度圖像，G(x,y)是原始灰度圖像。當(dāng)g(x,y)＜P時，f(x,y)=0，設(shè)該點(diǎn)為背景圖像點(diǎn)；當(dāng)g(x,y)≥P時，f(x,y)=1，設(shè)該點(diǎn)為目標(biāo)像點(diǎn)。當(dāng)P太大時，偶然出現(xiàn)的物體會被認(rèn)為是背景；當(dāng)P太小時，該值會與噪聲相混合。在自適應(yīng)閾值化的方法中，根據(jù)所選閾值對圖像進(jìn)行二值化處理。處理對象是黑色的，背景是白色的。

1.2.4 圖像分割

在進(jìn)行圖像分割之前，采用濾波處理，從而給圖像進(jìn)行去噪。根據(jù)噪聲的類別可以選擇中值濾波、自適應(yīng)濾波和均值濾波。在對圖像的研究和應(yīng)用中，常從應(yīng)用圖像中分離和提取出特定的區(qū)域。目前的圖像分割算法一般可分為基于像素?cái)?shù)據(jù)的神經(jīng)網(wǎng)絡(luò)算法和基于特征數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)算法。

圖像特征是不同圖像之間的區(qū)別特征，可以通過圖像特征區(qū)分不同的對象。提取圖像特征就是從匹配圖像中找到屬于圖像本身的特征，包括色彩、紋理、形狀等。

根據(jù)實(shí)驗(yàn)結(jié)果，不斷改進(jìn)我們疲勞檢測的方法。實(shí)驗(yàn)測試的疲勞判斷和分心判斷的準(zhǔn)確率和響應(yīng)時間，如表1，表2所示。

表1 疲勞判斷實(shí)驗(yàn)結(jié)果

表2 分心判斷實(shí)驗(yàn)結(jié)果

通過檢測模塊進(jìn)行試驗(yàn)，得出的數(shù)據(jù)表明，本安全駕駛系統(tǒng)對駕駛員疲勞狀態(tài)的識別率為91.3%，分心狀態(tài)的識別率為90.1%，平均響應(yīng)時間為1s，模塊檢測具有較高的準(zhǔn)確率，具有一定的應(yīng)用價(jià)值。

基于駕駛員面部表情與特征的檢測方法是以機(jī)器視覺為手段，通過圖像傳感器采集駕駛員面部表情的圖像，通過分析駕駛員的面部特征來判斷司機(jī)是否處于疲勞狀態(tài)。該方法是一種比較成熟和廣泛應(yīng)用的技術(shù)，能夠達(dá)到一定的識別精度，且在檢測過程中不會對駕駛員造成任何干擾。但是駕駛員駕駛車輛的操作不僅與其是否疲勞有關(guān)，還受到道路環(huán)境、駕駛速度、行駛天氣、個人習(xí)慣、操作技巧等影響，因此不能僅依賴該檢測模塊判斷司機(jī)是否為疲勞駕駛。為了提高本安全駕駛系統(tǒng)的精度和魯棒性，通過與上述兩個檢測模塊提供的參數(shù)做對比，我們改進(jìn)了安裝在方向盤上的變壓器角位移傳感器、GPS模塊和嵌入式系統(tǒng)來提高檢測司機(jī)疲勞駕駛的準(zhǔn)確率。

1.3 具有防疲勞駕駛功能的方向盤

當(dāng)駕駛員疲勞駕駛時，司機(jī)會進(jìn)入大腦缺氧的疲憊狀態(tài)。駕駛員在方向盤上的操作會出現(xiàn)突然左轉(zhuǎn)或右轉(zhuǎn)的現(xiàn)象[6]。當(dāng)駕駛員直線行駛時，方向盤角度變化量小、變化頻率快；當(dāng)駕駛員轉(zhuǎn)彎或回圈時，方向盤角度的變化是單向的；當(dāng)駕駛員疲勞駕駛時，方向盤角度的變化值比較大，且變化頻率比較慢，具有一定的規(guī)律性。駕駛經(jīng)驗(yàn)和研究數(shù)據(jù)都表明方向盤行駛軌跡修正特性與疲勞駕駛[7]之間存在很好的關(guān)聯(lián)性。該檢測模塊利用內(nèi)置變壓器式角位移傳感器采集航向修正時方向盤角度電壓變化，利用模式識別技術(shù)構(gòu)建電壓波形特征率。在司機(jī)疲勞駕駛的情況下，電壓波形會與正常駕駛時不同，變得緩慢且突然。通過與正常駕駛特性值的比較，可以確定司機(jī)為疲勞駕駛。

圖3 方向盤電壓波形特征率比較流程圖

2 結(jié)論

本系統(tǒng)使用三個檢測模塊來構(gòu)建防疲勞駕駛安全系統(tǒng)。第一個檢測模塊使用基于STM32單片機(jī)的酒精傳感器，檢測汽車內(nèi)空氣中的酒精濃度，若檢測值大于等于設(shè)定閾值，車輛點(diǎn)火裝置的電源將立即被切斷，汽車無法啟動；第二個檢測模塊使用圖像處理與分析技術(shù)分析駕駛員行駛途中的面部特征與表情，從而判斷司機(jī)是否疲勞駕駛，若判定司機(jī)疲勞駕駛，則立即發(fā)出事先錄制好的親人語音警報(bào)，并對最近服務(wù)區(qū)的距離進(jìn)行提醒，可有效減少司機(jī)疲勞駕駛的情況；第三個檢測模塊在方向盤上安裝內(nèi)置變壓器式角位移傳感器，用來采集航向修正時方向盤角度電壓變化，通過與正常駕駛特性值的比較，可以確定司機(jī)是否為疲勞駕駛。若判定駕駛員為疲勞駕駛，則播報(bào)親人語音提醒。

3 應(yīng)用前景

本系統(tǒng)的設(shè)計(jì)雖然已經(jīng)考慮到了許多方面的因素，但由于每個人的生活習(xí)慣與身體狀況都不一樣，所設(shè)計(jì)的算法并不是完全精確，因此考慮將目前已有的防疲勞駕駛軟件與大數(shù)據(jù)庫相結(jié)合，構(gòu)造一個可以精確到個人的基于大數(shù)據(jù)庫下的防疲勞駕駛系統(tǒng)。從車主購買產(chǎn)品時開始計(jì)算，將其平時的行為習(xí)慣都記錄在內(nèi)，如果行車時發(fā)現(xiàn)異于平常并符合我們的算法的行為，則可以精確的認(rèn)定其為疲勞駕駛，然后發(fā)出警報(bào)。為減少疲勞駕駛所帶來的危害，該系統(tǒng)可以給駕駛員發(fā)送語音或振動信號，及時提醒駕駛員糾正當(dāng)前的駕駛行為，從而防止事故的發(fā)生。