基于虹膜檢測疲勞駕駛的研究

邱敏霞 王子純 方嬌 李鑫

【摘? 要】伴隨汽車保有量的持續提高，交通事故也快速增多，由于疲勞而引發的交通事故占比相當高，對司機疲勞駕駛展開監管，對于減少交通事故存在重大的作用。本文借助模板匹配的方式追蹤定位識別到的人眼。本文借助虹膜對上下眼瞼之間的距離展開運算，且同眨眼頻率有效結合，探討有關沒有檢測到人眼的狀況下的運算且予以創新。本文把疲勞判斷同追蹤人眼有效融合，促使系統檢測所耗費的時間大幅變少。

【關鍵詞】疲勞檢測;虹膜識別

引言

隨著科學技術日新月異的進步，交通運輸業也得到了高速的發展，道路交通事故頻發成為危害人身和財產安全的嚴峻問題，然而引發事故的原因是各式各樣的，比如司機、車輛或者道路等方面的問題，至于司機問題已然變成全球高度認可的重要因素，其中最重要一個因素就是駕駛員疲勞駕駛。駕駛人由于休息不足或長時間駕駛時容易導致判斷能力下降、操作失誤頻率上升以及反應遲鈍現象頻發。當駕駛員處于嚴重疲倦狀態下時，有時會進行無意識操作或進入瞬時睡眠狀態，在嚴重的情況下失去對車輛的控制能力。造成交通事故的主因也許是疲勞駕駛，按照有關部門的相關報告可知，由于疲勞駕駛而引發的事故占交通事故總數的五分之一左右。在疲勞駕駛與酒駕，還有超速這幾個重要因素當中，疲勞駕駛是最為關鍵的因素。

對于開展關于疲勞狀態預警，預防疲勞駕駛的系統對于人身安全與社會穩定具有重要意義。本文對現今國內外關于預警疲勞駕駛的研究進行分析發現，現有的疲勞狀態預警研究大致可劃分成主動記錄和參數監測兩種方式，第一種主動記錄指的是通過駕駛員的簽到記錄駕駛時長，通過規定的時間衡量是否處于疲勞狀態。第二種參數監測是對駕駛員的生理信息、車輛的動態參數進行實時觀測以判斷駕駛員是否疲勞。

1.研究流程

2.特征提取

虹膜識別模塊的重要構成部分，為虹膜的特征匹配以及提取。特征提取重點為借助Canny邊緣算子，將虹膜的外邊緣提取出來，借助 Hough變換獲取內圓半徑以及中心，借助單行梯度最大值法，對虹膜的外邊緣展開運算;最終借助二維Gabor小波變換，對虹膜特征展開提取，以下為相關的公式：

在對虹膜特征展開提取時，必須基于二維Gabor小波變換，所形成的極坐標下開展。原因是如此能夠防止由于虹膜提及的變化，還有瞳孔變大而造成虹膜特征出現改變。以下為極坐標的公式：

3.系統工作過程

3.1 連續駕駛

司機在交通條件較佳的城市公路，或者高速公路上行駛時，司機通常在持續行駛時是不會中途停下來的。這時的檢測流程為：ECU獲取傳感器發出的信號以后，指示CCD攝像頭收集相應的圖像，DSP指示計時模塊開始計時，視頻解碼器對圖像展開轉換處理，虹膜識別模塊則對虹膜展開識別。在匹配結束以后將虹膜予以鎖定，等同于將司機鎖定。借助計時模塊對司機持續行駛的時間H予以記錄，從而判定其有無出現疲勞駕駛的狀況。

3.2 系統測試

如今國外及國內并未構建完善的虹膜庫。為方便試驗在環境與時間不一樣的狀況下，采集二十個人，每個人八張（左右眼各為四張） ，大小為640×480的虹膜圖像。當中的訓練及測試樣本數量均為四張。

該法把所有的訓練及測試樣本展開比較匹配。總共要完成20×4+20×4=160次匹配。并且記錄，在完成虹膜識別以后，時鐘模塊顯示反應滯后的時長：

通過對結果的研究能夠得知，虹膜識別存在4.39%的錯誤率。出現錯誤判斷的主要原因則是：因為光照強度的作用，盡管系統選取的CCD紅外攝像頭可以較好地適應光照，然而鑒于成本等諸多方面，選取的濾光設備并無較佳的效應，這對檢測結果形成不利的作用;因為行駛過程中司機的姿勢經常變化，對圖像收集也產生不利的作用。在對計時模塊展開分析后得知，在完成虹膜識別以后，該模塊在反應方面是存在滯后性的，平均時長大約為1.51秒，該時長依然位于準許的范疇內。

4.討論

本文所設計的疲勞狀態預警系統，是以虹膜識別作為基礎的。該系統是通過報警與圖像處理模塊等構成的，促使系統具備比較簡單的結構，達成系統的模塊化。

本文借助Gabor小波變換法，對虹膜特征展開提取得知，在對160個樣本展開匹配時，存在4.39%的錯誤率，意味著系統具備較佳的精準度。在完成虹膜識別以后，該模塊在反應方面是存在滯后性的，平均時長大約為1.51秒，該時長依然位于準許的范疇內。

在試驗當中選取的樣本并不充足，盡管可以向后續分析給予部分參照，然而為促使分析更為精準與全面，必須收集充足的樣本且反復試驗，從而構建完善的虹膜樣本庫。

（指導老師：楊雪）

參考文獻

[1]姬樂樂.基于虹膜識別技術的快速身份確認算法研究[D].西安工程大學，2017

[2] 江水郎.基于視覺的駕駛員疲勞檢測研究[D].上海交通大學，2008.

[3]李海青，孫哲南，譚鐵牛，何召鋒，馬力.虹膜識別技術進展與趨勢[J].信息安全研究，2016，2（01）：40-43

[4]李京.虹膜識別技術在眼動旋轉中的應用[D].西安工業大學，2012

[5]曹倩霞.基于眼瞼運動的司機疲勞檢測[D].中南大學，2005.

[6]李軍.黃超生.謝偉斌.鄒思昕.人臉識別在疲勞駕駛檢測中的應用研究[J].廣東技術師范學院學報，2019，40（03）：22-27.

[7]袁曉燕.虹膜定位、形變及特征提取研究[D].上海交通大學，2008.

[8]蔣文博.基于計算機視覺的疲勞駕駛檢測技術研究[D].北京化工大學，2015.

[9]沈英超.基于眼部特征的疲勞駕駛檢測系統的研究與實現[D].桂林電子科技大學，2019.

[10]王鑫磊，王辛巖，田中軒，張婭婷，眼睛特征下的疲勞檢測與研究[J].綠色環保建材，2018（12）：139-140

基金項目：①本文系天津農學院2018年度大學生實踐創新訓練計劃項目，項目編號：201808003。

②本文系天津農學院天津市教委科研計劃項目，項目編號：2018KJ184。

作者簡介：

邱敏霞（1997.7--），女，貴州貴陽人，天津農學院本科在讀，研究方向為物聯網。

楊雪（1988.11），女，甘肅武山人，天津農學院講師，研究方向為生物信號檢測與處理和圖像處理。