基于神經(jīng)網(wǎng)絡(luò)的疲勞駕駛識別系統(tǒng)

王艷玲

（長安大學(xué)汽車學(xué)院，陜西 西安 710064）

前言

預(yù)防疲勞駕駛及檢測方面有很多方法，一般通過圖像分析對駕駛員臉部與眼睛特征進(jìn)行疲勞評估，并采集駕駛員的生物行為信息，如心電、腦電等推斷駕駛員的疲勞狀態(tài)，或分析駕駛員轉(zhuǎn)動方向盤、踩剎車等行為特征，判別駕駛員是否疲勞，但這些檢測方法都存在問題。通過 BP神經(jīng)網(wǎng)絡(luò)針對疲勞參數(shù)進(jìn)行深度分析，提取相應(yīng)參數(shù)，運(yùn)用Matlab進(jìn)行數(shù)據(jù)處理，對駕駛過程進(jìn)行實(shí)時監(jiān)控，及時預(yù)警。

1 駕駛疲勞識別系統(tǒng)

車內(nèi)安裝眼動儀，計(jì)算并記錄眼瞼閉合比例，判斷駕駛員疲勞等級。車內(nèi)安裝各種傳感器，通過平臺采集到所需的車輛數(shù)據(jù)，由計(jì)算機(jī)處理。

圖1 疲勞識別流程圖

記錄駕駛員各項(xiàng)駕駛行為參數(shù)，直至駕駛員重度疲勞狀態(tài)，記錄駕駛員不同疲勞程度下的駕駛行為參數(shù)，劃分疲勞等級，駕駛疲勞的等級標(biāo)準(zhǔn)不同，當(dāng)駕駛參數(shù)達(dá)到某一標(biāo)準(zhǔn)或者參數(shù)在某一范圍內(nèi)波動，或此參數(shù)以及標(biāo)準(zhǔn)差呈現(xiàn)相應(yīng)的疲勞駕駛變化趨勢，則神經(jīng)網(wǎng)絡(luò)接收此參數(shù)劃分到相應(yīng)的疲勞等級下，進(jìn)行下一時間段的預(yù)測，并及時地進(jìn)行預(yù)警提示。

2 基于BP神經(jīng)網(wǎng)絡(luò)的疲勞識別

建立BP神經(jīng)網(wǎng)絡(luò)，對駕駛員的疲勞參數(shù)進(jìn)行深度分析，研究駕駛?cè)诵袨樘卣鳎M(jìn)一步分析駕駛?cè)说钠诘燃墸莆詹煌谒较埋{駛行為變化特征，并在人眼信息及駕駛行為特征的基礎(chǔ)上進(jìn)行疲勞判斷，針對疲勞算法原理進(jìn)行疲勞識別，提取相應(yīng)的特征參數(shù)作為輸入，疲勞程度作為輸出，建立識別模型。

2.1 神經(jīng)網(wǎng)絡(luò)模型

構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，通過大量的試驗(yàn)獲得樣本數(shù)據(jù)，選取不同駕齡的駕駛員，在模擬駕駛器的操作平臺進(jìn)行數(shù)據(jù)參數(shù)收集試驗(yàn)，得到疲勞參數(shù)數(shù)據(jù)樣本作為輸入數(shù)據(jù)，用處理后后的樣本集訓(xùn)練網(wǎng)絡(luò)，得到下一時間段預(yù)測的數(shù)據(jù)，進(jìn)而評判數(shù)據(jù)屬于疲勞駕駛的哪一等級，輸出等級，進(jìn)行疲勞識別[1]。

2.2 疲勞參數(shù)選取

確定與駕駛疲勞相關(guān)的駕駛行為，采集能夠通過傳感器提取的疲勞參數(shù)。包括車速傳感器，方向盤轉(zhuǎn)角傳感器，減速傳感器等。通過疲勞算法計(jì)算 f，確定駕駛員疲勞程度，研究不同疲勞程度下的駕駛行為特征[2]。我們以五秒作為數(shù)據(jù)處理間隔時間，輸入?yún)?shù)與疲勞等級參數(shù)對比，輸出預(yù)測，進(jìn)行預(yù)警。我們僅研究參數(shù)為f、方向盤轉(zhuǎn)角SA、方向盤轉(zhuǎn)角速度SW、車速V、時間T。

2.3 數(shù)據(jù)處理

2.3.1 疲勞程度判斷方法

在通過相應(yīng)的車載預(yù)警儀器或者眼動儀捕捉臉部圖像，進(jìn)一步進(jìn)行人眼識別，提取對應(yīng)信息，利用圖像幀數(shù)百分比也可來表示PERCLOS值f[3]。

公式所示：

其中：N為固定時間內(nèi)所采集的視頻圖像有效頓數(shù)，K為眼睛處于閉合大于狀態(tài)的幀數(shù)。

2.3.2 方向盤轉(zhuǎn)角數(shù)據(jù)處理

方向盤轉(zhuǎn)角的變化影響駕駛員的操作穩(wěn)定性。當(dāng)方向盤轉(zhuǎn)角開始出現(xiàn)某一時間段的參數(shù)恒定時，開始出現(xiàn)駕駛員疲勞，此間隔較短暫，并且少量出現(xiàn)。但當(dāng)轉(zhuǎn)角出現(xiàn)長時間的持續(xù)不動時，并且轉(zhuǎn)角不變出現(xiàn)多次，則駕駛員可能處在非常疲勞的狀態(tài)下[4]。由于設(shè)置時間五秒為計(jì)算數(shù)據(jù)更新時間，也就是當(dāng)超過五秒轉(zhuǎn)角不變則中度疲勞，若多個時間大于五秒甚至十秒轉(zhuǎn)角參數(shù)不變，則疲勞程度加深。判斷轉(zhuǎn)角持續(xù)不斷的話，輸入的參數(shù)進(jìn)行處理。

識別中度疲勞，時間間隔為5秒。

識別重度疲勞，時間間隔為10秒。

2.3.3 方向盤角速度數(shù)據(jù)處理

方向盤角速度影響車輛行駛的橫向穩(wěn)定性，也反映疲勞水平。當(dāng)駕駛員處在疲勞狀態(tài)時，會減少對方向盤的修正，方向盤轉(zhuǎn)角速度幅值增加，駕駛員對車輛的控制穩(wěn)定性減弱，會出現(xiàn)大幅修正；駕駛員疲勞程度繼續(xù)增加，操作穩(wěn)定性變?nèi)鮗5]。

角速度公式：

其中：SA（i）為轉(zhuǎn)角幅值。

清醒狀態(tài)下，方向盤角速度大致在-50°/s～50°/s。當(dāng)方向盤角速度在某一時刻的輸入?yún)?shù)大于50時，開始出現(xiàn)駕駛員疲勞狀態(tài)，所以當(dāng)方向盤角速度即當(dāng)輸入數(shù)據(jù)在[50，60]范圍內(nèi)，識別中度疲勞，當(dāng)輸入數(shù)據(jù)在[60，100]范圍內(nèi)，識別重度疲勞。

2.3.4 加速度數(shù)據(jù)處理

加速度反映車速變化程度，體現(xiàn)駕駛員對車輛控制能力。

加速度計(jì)算公式：

其中：Vi為車速，Ai為加速度

隨著疲勞程度的增加，加速度變化幅度逐漸變小，頻率變高。判斷不同等級下的參數(shù)特征，利用多項(xiàng)式擬合函數(shù)實(shí)現(xiàn)，求輸入的加速度參數(shù)的斜率。

調(diào)用格式P=polyfit（T，Ai，1），當(dāng)P介于P＜-1或P>1之間，則正常狀態(tài)；當(dāng)P介于[-1，1]之間，且出現(xiàn)為0時，則中度疲勞狀態(tài)；當(dāng)P介于[-0.5，0.5]之間，且基本為0，則重度疲勞狀態(tài)。

對參數(shù)進(jìn)行處理，對數(shù)據(jù)進(jìn)行量化級的轉(zhuǎn)化，在[0,10]范圍內(nèi)，減少預(yù)處理的工作量。

2.4 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

確定影響因素，提取出疲勞特征參數(shù)，輸入層5個節(jié)點(diǎn)，分別代表數(shù)據(jù)f、△SAi、△SWi、Ai、T；中間隱藏層進(jìn)行數(shù)據(jù)處理，該層節(jié)點(diǎn)數(shù)為5；最后輸出疲勞等級，有3個節(jié)點(diǎn)，代表清醒、中度、重度疲勞，就代表了下一時間段的疲勞識別[6]。

3 結(jié)論

通過平臺試驗(yàn)，找到影響駕駛員疲勞駕駛的因素，確定疲勞駕駛行為特征參數(shù)，結(jié)合眼部特征參數(shù)判斷駕駛疲勞的等級的影響參數(shù)，從而確定特征值的輸入，并利用Matlab進(jìn)行數(shù)據(jù)預(yù)處理，使輸入數(shù)據(jù)更加精確。訓(xùn)練神經(jīng)網(wǎng)絡(luò)，進(jìn)而預(yù)測下一時間段的參數(shù)變化范圍，設(shè)置疲勞等級，識別參數(shù)的變化范圍，最后輸出疲勞等級，進(jìn)行相應(yīng)的駕駛提示，達(dá)到提前預(yù)警的效果，提高駕駛安全性。

但是駕駛員的駕駛行為存在差異，導(dǎo)致駕駛參數(shù)呈現(xiàn)多樣性，復(fù)雜性，疲勞等級的劃分也存在差異，鑒于此，可以建立不同影響因素下的基于 BP神經(jīng)網(wǎng)絡(luò)的疲勞駕駛模型，進(jìn)而優(yōu)化模型，提高精確度，并對輸入?yún)?shù)的處理也可以通過最小二乘法進(jìn)行精確處理。