基于眼部識別技術在疲勞駕駛上的應用

楊柳松李　翔王軍宇

（東北林業大學，黑龍江 哈爾濱 150040）

基于眼部識別技術在疲勞駕駛上的應用

楊柳松李翔王軍宇

（東北林業大學，黑龍江 哈爾濱 150040）

摘要：隨著社會的發展，現代人生活節奏加快，尤其是司機的工作強度增加，疲勞駕駛的現象愈發嚴重。為了保證人們安全駕駛，減少交通事故的發生，本文設計了利用樹莓派基于眼部特征識別技術來判斷是否疲勞駕駛的裝置，在檢測過程中以人體生理特征為基礎進行實時跟蹤檢測，有效地對駕駛員的疲勞駕駛發出預警信號，最大程度地防止交通事故的發生。

圖像采集信息處理；控制及報警模塊；眼部特征識別

隨著經濟的發展，汽車越來越成為人們出行首選的交通工具。然而，每年發生交通事故的概率居高不下，其中，很多是由于疲勞駕駛導致的。但是市場上很少有對疲勞駕駛進行監控的裝置，本文就此設計漏洞設計出一款可以監測、提醒司機疲勞駕駛的裝備，盡可能地減少交通事故發生，保證駕駛員及他人的生命財產安全。我國汽車保有量只占全世界的2%～3%，但事故死亡人數卻占全世界的20%左右，已成為世界上道路交通事故最為嚴重的國家，也是死亡人數最多的國家。引發交通事故的原因有多種，根據我國交通部門的相關統計，疲勞駕駛是絕對的頭號殺手，每年造成數萬人的死亡和傷殘，為無數家庭帶來巨大痛苦。

一、圖像采集技術簡介

圖像采集技術是用于獲取駕駛員面部特征并完成對眼部的跟蹤定位的一項技術。圖像采集技術主要利用攝像頭采集司機的面部特征及信息，選用高速A/D；TVP5150PBS解碼芯片將模擬信號轉化為數字信號進行處理運算。將轉化的數字信號根據人臉器官的形狀描述以及他、它們的距離特性進行模板化處理，然后利用眼睛、嘴巴、鼻子等部分之間的幾何結構關系，與基本的人臉幾何模板進行對比，當相似度超出某一閾值，則進行輸出確認其為人臉。再將自然光照下膚色濾波器連接至人眼感應定位器，將數據傳送至人眼定位器，人眼定位器先采用二值化進行圖像處理，利用眼睛在人臉中的區域灰度來定位眼睛，先用直方圖閾值法將圖像二值化，然后根據其中黑色區域的面積形狀以及相對位置等級和特征確定出瞳孔位置，之后采用基于活動輪廓模型的方法擬合上眼瞼邊緣，集中研究上眼瞼與下眼瞼的高度判斷眼睛狀態。利用Canny算法提取單像素的邊緣，確定內眼角的位置，利用外眼角點的模板匹配法在眼睛圖像中匹配最合適的區域作為外眼角。在對眼角點位置和上眼瞼提取之后，對眼睛模型進行定位。眼睛正面模被定義為紡錘形，中間是虹膜，左右端點為內外眼角，上下圓弧為上下眼瞼，再將定位后的數據傳送給眼部特征識別模塊。

二、眼部特征識別技術

疲勞參數提取包括PERCLOS提取、Eye Closure Time提取、Blink Frequency提取、眼瞼閉合程度檢測和目光停滯時間檢測。PERCLOS是指眼睛閉合時間占給定時間段的百分比，是國際上公認的與疲勞程度相關性最高的參數；Eye Closure Time提取是計算每次眼睛閉合到睜開所用時間，每分鐘統計最大值，得到這一分鐘內的最大ECT，如果駕駛員眼睛閉合時間達到一定的值就意味著他沒有認真地看著路況，這說明駕駛員正處于疲勞駕駛狀態，就極有可能引發交通事故；Eye Blink Frequency提取就是提取駕駛員的眨眼頻率，即記錄每分鐘眨眼次數，將提取數據與正常狀態下駕駛員眨眼頻率進行對比，若眨眼頻率明顯提高，則為疲勞駕駛狀態；眼瞼閉合程度檢測，是利用Canny算法進行單像素的邊緣提取，確定內外眼角的位置以及上下眼瞼最大寬度，從而測量出△Y/△X的值（內眼角與外眼角之間的最大距離為△X，上眼瞼與下眼瞼之間的最大距離為△Y），由于人在疲勞的狀態會本能地將上下眼瞼進行閉合，我們監測閉合程度能以最直接的方法判斷是否疲勞；目光停滯時間檢測，目光停滯是指駕駛員在駕駛時眼睛正常睜開但是已經進入走神或者睜眼睡眠狀態，這種狀態會導致駕駛員無法對行駛狀態、行駛路況進行判斷，易發生交通事故，將所提取到的所有參數送給信息處理模塊，進行數據的分析與處理。

三、信息處理技術

將所得到的數據進行預處理，即將提取到的眼睛閉合時間占給定時間段的百分比A、眼睛閉合到睜開所用時間T1、眨眼頻率f、眼瞼閉合程度B以及目光停滯時間T2等檢測數據與機器學習所得數據庫中給定的標準進行對比分析判斷，從而確定駕駛員是否處于疲勞駕駛狀態，并將分析判斷后的結果傳送給控制判斷系統，由控制判斷系統判定駕駛員是否處于疲勞狀態。所謂機器學習是指將采集到的大量數據進行歸類整理、畫折線圖或者柱狀圖處理分析，最終擬合出此類數據的基本參考值，再將這些基本參考值都集中存儲到一個統一的數據庫中。在判斷樣本是否符合標準時，只要從此數據庫中直接檢索就可以獲得所需的基本參考值，再將樣本數據與基本參考值進行對比即可知道樣本是否符合標準。

四、控制及報警模塊

利用Raspberry Pi作為控制及報警模塊的核心將信息處理模塊所分析得到的數據進行處理轉換，利用高速D/A：SAA7121H解碼芯片將數字量轉化為模擬量輸出至報警模塊，通過警報器實現警示的作用。

結語

本設計利用人體的生理特征進行分析，提供了一種基于機動車駕駛員眼部特征的防止疲勞的駕駛警報系統。它不受天氣狀況以及路況等外界因素的干擾，對司機疲勞程度作出準確判斷，向司機本人發出報警信息，提醒司機對危險狀態作出及時處置，克服了現有基于機動車運動狀態的改變來防止疲勞駕駛設備的錯判率高、實時性差的問題，與現在有的防止疲勞駕駛設備相比，有裝置體積小，不影響駕駛員正常駕駛，能夠有效地防止交通事故的發生等優點。

[1]華成英，童詩白.模擬電子技術基礎[M].北京：高等教育出版社，2006.

[2]閻石.數字電子技術基礎[M].北京：高等教育出版社，1998.

[3]李道華，李玲，朱艷.傳感器電路分析與設計[M].武漢：武漢大學出版社，2000.

[4]黃繼昌，等.實用單元電路及其應用[M].北京：機械工業出版社，2008.

[5]張曉東，等.電工實用電子制作[M].北京：國防工業出版社，2005.

[7]焦波波.基于眼睛狀態的駕駛人疲勞檢測技術與研究[D].中南大學，2012.

U461

A