嵌入式駕駛疲勞檢測系統設計*

楊 杰 陳萬培， 喬延婷 韓 恒

（1.揚州大學廣陵學院 揚州 225009）（2.揚州大學信息工程學院 揚州 225009）

1 引言

隨著汽車業的迅速發展，越來越多的汽車進入人們的家中。汽車給人們帶來方便的同時也對人民群眾的生命財產安全帶來了隱患［1］。交通事故發生的主要原因之一是疲勞駕駛，研究與實現嵌測入式疲勞檢系統對避免交通事故的發生具有重大的現實意義。

疲勞駕駛是指駕駛員在心理、生理上發生變化引起駕駛能力降低［2］。

目前，駕駛疲勞檢測方法分為以下三類：基于生理信號檢測技術、基于車輛運動參數檢測技術和基于人行為特征的檢測技術［3～5］。早期疲勞駕駛的檢測技術通過監測生理信號判斷駕駛員的疲勞狀況，該方法能夠較準確地進行疲勞判斷，但由于采用接觸式傳感器［6］，具有很多的局限性。基于車輛運動參數檢測技術通過判斷車輛自身參數從而得到駕駛員的疲勞狀態。該方法不容易反映平緩運動車輛的駕駛員狀態。基于人行為特征的圖像處理判斷檢測技術主要是檢測人臉，分析人臉特征，從而判斷駕駛員駕駛狀態，一般采用此方法檢測駕駛疲勞。

基于廣泛采用的PERCLOS算法，本文設計了適用于該系統的駕駛疲勞檢測算法。“PERCLOS”定義為在一定時間內閉眼程度為80%～100%時間百分比［7］。該方法判別駕駛疲勞的識別度較高，對車輛和司機的影響較小。實驗表明，本文的系統尺寸小，成本低，實時性良好。

2 疲勞駕駛檢測系統設計

一個合格的疲勞檢測系統，要求尺寸小，數據傳輸量大，能實現復雜計算，實時性良好［8］。本文基于TMS320DM642芯片的進行設計，該芯片具有強大的圖像處理能力，能滿足系統的實時性要求。駕駛員疲勞檢測系統主要由視頻采集，面部檢測和圖像處理，人眼定位，疲勞判別和發出警報六個模塊分構成，如圖1所示。

圖1 疲勞檢測系統六大模塊

整體硬件結構如圖2。系統的基本工作原理是：將采集的連續模擬信號轉換成數字圖像信號（A/D轉換），然后將該信號交處理器處理，包括人臉檢測、人眼定位、疲勞檢測等，最后得到視頻輸出（D/A轉換），如果檢測到駕駛員疲勞駕駛，則報警。這種硬件設計使得信號能被實時處理，是疲勞駕駛的一個很好的檢測設計。

圖2 硬件結構圖

3 疲勞檢測技術

疲勞檢測算法主要包含人臉檢測，人眼定位以及確定人眼疲勞狀態的算法［9］，整體流程圖如圖3所示。

圖3 疲勞判定流程圖

3.1 人臉檢測

在駕駛疲勞檢測中，第一步是人臉檢測，其精度是至關重要的。目前人臉檢測的方法主要有基于膚色的人臉檢測算法、基于人臉特征的檢測定位方法和基于人臉模板的匹配定位檢測算法［10］。

本文采用Haar特征實現人臉檢測［11］，該方法需要收集大量的人臉樣本，訓練分類。該樣品主要分為陽性樣品和陰性樣品。陽性樣品是面部的清晰圖像，而陰性樣品是除了面部以外的其他情況。樣本的多樣性，復雜性和數量決定訓練的分類器的準確性和魯棒性。多個弱分類器組成一個強分類器，多個強分類器級聯組成級聯分類器，該級聯分類器就是最終檢測用的分類器。當執行面部檢測，所述算法接收輸入視頻圖像，并且生成不同尺寸的窗口。該窗口中的圖像通過分類器及其分類特征確認面部是否出現在窗口中；若該尺寸滑窗遍歷完整張圖片都未找到人臉，則改變滑窗大小重新遍歷檢測，以此類推。人臉檢測原理如圖4所示。

圖4 人臉檢測原理圖

3.2 人眼定位

人臉檢測完成后，下一步的工作就是對面部圖像處理，然后通過人眼進行定位判斷駕駛員的疲勞狀態［12～13］。目前有很多成熟的算法能夠從復雜的處理結果中檢測人眼，例如灰度投影方法，基于可變形模板的人眼定位方法，基于霍夫變換的人眼定位方法和對稱變換法等。

在本文中，結合基于人的面部特征積分投影和區域分割法，實現了人眼定位。其定位的流程如圖5。

圖5 人眼定位流程圖

許多研究已經表明，在所提取的面部信息里，眉眼對稱分布且兩者的亮度低。因此，為了找到人眼，二值化面部，標記二進制圖像，觀察連接域的中心，約束連接域，從而除噪聲，縮小范圍，然后找到區域的中心，確定是否有高度相似的連接域。通過眉眼最高位置的兩個連接域，眼睛和眉毛可以被確定，從而實現人眼的定位。

3.3 疲勞狀態判定

當駕駛員出現疲勞狀態時身體會出現一些相應的反應。文獻［14］指出疲勞程度能判斷眼睛狀態，眼睛疲勞的最直接的表觀現象是眼睛閉合一段時間的時間長度。時間越長，人越疲勞，通過計算PERCLOS值來確定駕駛員的駕駛狀態［15］。

在本文中，PERCLOS測量方法是：以瞳孔開度的30%為界，大于此值為睜眼態，小于或等于此值為閉眼態。研究試驗的結果表明，當人是清醒的，眼睛閃爍0.2s～0.3s。若汽車速度達到60km/h、眼睛閉合3s，司機將閉眼行駛50m，這是非常危險的。因此，當PERCLOS的值是超過40%，或者當眼睛閉合時間超過3s，則系統認為司機已疲勞，并且系統將發出報警聲。

4 實驗驗證

為了證明本文所提方案的可行性，在室內對系統進行了室內測試，測試裝置如圖6所示。白天測試結果如表1所示，夜晚測試結果如表2所示。

圖6 測試裝置圖

表1表明在白天光照正常的情況下，攝像頭角度與垂直角度為20°，攝像頭與人眼距離為80cm時，疲勞檢測判斷性能優秀。平均閉眼時間間隔為3.21s時，平均第四次發出“嘀”聲疲勞警告，時間間隔平均為19.58s。

表1 白天疲勞性能測試

表2表明在晚上光照不足的情況下，攝像頭角度與垂直角度為20°，攝像頭與人眼距離為80cm時，疲勞檢測判斷性能優秀。平均閉眼時間間隔為3.89s時，均為第四次發出“嘀”聲疲勞警告，時間間隔平均為18.79s。本次測試結果說明：閉眼時間較長，模擬疲勞程度與實際疲勞時閉眼與眨眼的時間存在誤差。

表2 夜晚疲勞性能測試表

實驗結果表明該駕駛疲勞檢測系統在白天能夠準確地判斷駕駛員的疲勞狀態并報警，系統穩定性好。在光線不足時，系統能夠進行疲勞判定，但存在誤判、延遲判定等情況，疲勞判斷性能一般。

5 結語

通過對人臉檢測、人眼的定位以及疲勞檢測判定的各類算法的研究，本設計采用TI公司的TMS320DM642芯片作為疲勞檢測系統的處理核心，視頻前端處理模塊、存儲模塊、視頻后端顯示模塊、報警模塊和其他外圍設備的添加，構建了嵌入式駕駛疲勞檢測系統。該系統實現了駕駛疲勞檢測，但是對于光線不足的漏檢情況，有待后續進一步研究。