基于人臉識別的駕駛人員疲勞檢測系統設計

靳明浩

(山東科技大學 計算機科學與工程學院， 山東 青島 266590)

0 引 言

造成駕駛人員疲勞駕駛的原因有很多，例如睡眠質量不佳、長時間行駛在道路景色單一且始終處于高速狀態(tài)、長時間或長距離駕駛等[1]，都會引發(fā)駕駛人員的疲勞駕駛。駕駛人員在感到疲勞以后仍繼續(xù)駕駛車輛會產生困倦感，無法集中注意力，判斷能力持續(xù)下降，容易產生錯誤判斷，此時的駕駛能力將低于正常安全水平，會由于操作失誤而造成極其危險的行為，從而引發(fā)交通事故。因此關于駕駛人員的駕駛狀態(tài)進行實時的檢測，防止其疲勞駕駛，則對駕駛人員及相關人員的生命安全、財產安全，提高行車的安全性具有重大意義。

1 駕駛人員疲勞檢測系統軟件設計

圖1為基于人臉識別的駕駛人員疲勞檢測系統軟件功能流程圖。

圖1 軟件功能流程圖

由圖1可知，系統中的軟件功能包括數字圖像采集模塊、圖像處理模塊和預警提示模塊。系統中涉及到的算法有2種，分別是人臉識別算法、疲勞駕駛檢測算法[2]。對此擬展開研究論述如下。

1.1 人臉識別算法

該系統中選用的人臉識別算法是基于深度學習思想的棧式自動編碼算法。該算法基于分布的表達方式：當大量不同的層次和因素相互作用時，將按其分布進行組織，并且不同的層次對應于不同的抽象概念或組成。層數的不同以及每層中單元數的不同組成導致抽象數的不同。這種方法的優(yōu)點是可以研究層次結構的解釋因素，其他概念由其他概念研究，高級概念由低層概念研究[3]。此方法的計算可區(qū)分抽象差異和選擇對最終算法有用的函數特征。故而在此系統中開發(fā)了基于不受控制的數據收集任務的算法。分析可知，該算法可以使用無法識別的數據，究其根本即在于無法識別的數據量遠遠超過了已識別的數據。因此對于只能使用識別數據的算法來說該算法具有更大的優(yōu)勢。

通過數字模型采集模塊將采集到的駕駛人員圖像進行檢測和定位，確定人臉的位置，再利用上述算法將三維的立體圖像降為二維的平面圖形，并獲取一個分布中心。同時根據檢測的圖像像素離該中心的遠近得到膚色的相似度，得到一個原圖的相似度分布圖。接下來，則根據一定的規(guī)律對該相似度分布圖做二值化，從而最終確定膚色的分布區(qū)域，得出均值及方差。

1.2 疲勞駕駛檢測算法

PERCLOS疲勞算法是本系統中選用的疲勞駕駛檢測方法，其原理是通過眼睛閉合時間占某一特定時間內的百分比，判斷駕駛人員是否處于疲勞駕駛狀態(tài)。通過對眼睛光學變量與疲勞關系之間的性質研究，發(fā)現疲勞與瞳孔直徑、眼球的轉動、眉目掃射、眨眼等因素有著直接的關系，而PERCLOS疲勞算法是最具潛力的疲勞檢測方法之一，計算出的數據信息能夠充分表示駕駛人員是否處于疲勞狀態(tài)，對疲勞進行準確的評定。

PERCLOS疲勞算法的公式為：

(1)

圖2 PERCLOS疲勞算法測量原理圖

通過圖2可以看出，在公式(1)中，當眼睛最大睜到80%時，所需的時間表示為t1；當眼睛最大睜到20%時，所需的時間表示為t2；當眼睛最大睜再閉合到20%，所需的時間表示為t3；當眼睛最大睜再閉合到80%，所需的時間表示為t4。f表示對t1計算得出PERCLOS疲勞算法的數值。

PERCLOS疲勞算法包括三級標準，具體如下：

(1)一級標準：P70，當眼瞼遮擋瞳孔部分超過70%視為眼睛閉合，對駕駛員眼睛閉合時間進行統計，將其百分比作為標準。

(2)二級標準：P80，當眼瞼遮擋瞳孔部分超過80%視為眼睛閉合，對駕駛員眼睛閉合時間進行統計，將其百分比作為標準。

(3)三級標準：EM，當眼瞼遮擋瞳孔部分超過一半以上視為眼睛閉合，對駕駛員眼睛閉合時間進行統計，將其百分比作為標準。

通過探究發(fā)現PERCLOS疲勞算法中的二級標準P80能夠更加準確地反映出駕駛人員的疲勞駕駛狀況。因此，本文系統將以P80作為評判標準，當測得的f>0.5時，系統自動判定駕駛人員為疲勞駕駛。

2 駕駛人員疲勞檢測系統硬件設計

主要包括：計算機、攝像頭、ARM處理器以及圖像采集器。研究后可得設計分述如下。

2.1 系統中攝像頭的選擇

系統選擇模擬攝像機進行檢測，并可以通過視頻接口將模擬攝像機直接連接到顯示設備用來執(zhí)行攝像機的功能。這類攝像機的優(yōu)點是所記錄的信息清晰、一致且不依賴于分辨率。視頻傳輸信號經過特殊的視頻捕獲卡后，將視頻信號轉換為數字信號模式，并經壓縮后轉換為計算機可識別的信息以進行后續(xù)操作。

2.2 系統中處理器的選擇

本系統中用到的處理器為ARM處理器。該處理器是一種小功耗、低成本的微處理器，本身為32位設計，但同時配備了16位指令集，與同等價位的32位代碼節(jié)省可達35%，且具有32位系統的所有優(yōu)勢。

2.3 系統中圖像采集卡的選擇

本文系統選用的圖像采集卡為PCI-V504，該圖像采集卡的性能如下：采用PCI Express X4 2.0接口，可支持總計2 GB/s的傳輸帶寬；支持5路獨立千兆以太網口，四路視頻，一路音頻；提供網絡功能，遠端可進行多畫面瀏覽；每個網口均可自動判斷是否需要提供POE供電；錄像模式可設置為動態(tài)錄像、定時錄像、連續(xù)錄像；可同時進行監(jiān)視、錄像和回放功能，遠端支持單畫面或多畫面顯示。

在進行人臉圖像采集的過程中要求室內的光照保持正常，將攝像頭置于顯示器的正上方，圖像的采集角度盡可能接近正面，并且在拍攝的過程中保證至少有一個人臉圖像。

3 實驗論證分析

為了證實本文設計的檢測系統可以更加準確地檢測出駕駛人員的疲勞駕駛，文中擬選做對照實驗，詳情如下。

3.1 實驗準備

對照實驗前，先要建立數據可視化的模擬駕駛人員行車記錄的交互式平臺，設對照組為傳統方法下對駕駛人員疲勞駕駛的檢測，實驗組為本文基于人臉識別的駕駛人員疲勞檢測系統對疲勞駕駛進行檢測。在模擬平臺中，模擬100組駕駛人員行駛情況，并且其中每一組的駕駛人員狀態(tài)都不相同，分別利用2種方法對100組各進行一次檢測，且在檢測的過程中，保證每組進行兩次行駛的狀態(tài)保持一致。

3.2 實驗結果分析

對照組與實驗組分別對100組駕駛人員的行駛過程中的疲勞檢測結果見表1。

表1 檢測結果對比

表1中，精準度的計算公式為：

精準度=疲勞駕駛狀態(tài)人數/實際疲勞駕駛狀態(tài)人數×100%.

(2)

由表1中可以看出，實驗組檢測結果的精準度明顯高于對照組，說明本文設計的檢測系統可以更加精確地檢測出駕駛人員的疲勞駕駛情況，具有非常高的實用價值。

4 結束語

本文基于人臉識別技術的優(yōu)勢，設計一套全新的駕駛人員疲勞檢測系統，具有較高的社會價值。本文對駕駛人員的眼部狀態(tài)進行精準的檢測，在檢測到疲勞駕駛時可以對駕駛人員進行及時的預警，同時還對人臉識別、人眼定位等方面實現了全新的設計。但在研究運算的過程中，由于能力有限，運算量較小，因此還存在一定的誤差，在下一步工作中還將結合其它更加成熟的算法加以研究。