基于人臉識別的防疲勞智能駕駛系統

金谷香，盛文祥，彭元龍，龔博，胡嘯，張小彤

（合肥職業技術學院，安徽合肥，230012）

在每年的交通事故中，因駕駛員駕駛技能不合格、駕駛習慣差、酒后駕駛、疲勞駕駛等原因引起的交通事故占交通事故的50%以上。交通事故不僅造成大量人員傷亡，而且給數以萬計的家庭帶來不幸，對社會經濟的發展和穩定帶來不可忽略的影響。疲勞是造成重大交通事故的重要原因，對司機疲勞狀態進行實時監測對有效減少交通事故和人員傷亡具有十分重要的現實意義。

對于醉酒駕駛，目前實施的法律法規只能對經過的車輛進行定點檢測，用以檢測司機是否醉酒，但是不能從源頭上阻止司機醉酒駕駛。本系統在司機打開車門上車時，使用基于STM32單片機的酒精傳感器，檢測汽車內空氣中的酒精濃度，如果已經達到酒后駕駛的標準，立即采取相應的措施。與此同時，司機疲勞駕駛也是導致交通事故發生的主要原因之一。在司機駕駛的過程中，休息不足和過度疲勞會導致司機注意力不集中、反應遲緩等現象。在行車途中，若司機不能正確及時地做出反應，則很容易造成交通事故，重則危害人身安全。本系統利用基于圖像識別的人臉特征點和人臉特征點的定位記錄司機的連續駕駛時間，從而判斷司機是否為疲勞駕駛。當檢測到的數據達到閾值，則本系統會語音發出警報，及時提醒司機注意行車安全、需要停車休息。本系統采用模式識別技術，在方向盤上安裝變壓器角位移傳感器、GPS模塊和嵌入式模式識別系統。其中，變壓器角位移傳感器用于采集方向盤角的電壓變化，然后嵌入式系統針對檢測數據對連續變化的電壓構成的波形進行模式識別，用以確定司機的疲勞程度。本系統還分析GPS數據的變化來確定車輛的停車或動作等狀態，用以控制算法中連續行駛時間的周期。本系統結合變壓器角位移傳感器采集方向盤角的電壓變化數據和GPS數據為疲勞駕駛提供預警，以便更有效地防止司機疲勞駕駛。

1 系統架構設計

1.1 基于STM32的酒精傳感器

設置反醉酒駕駛室，規定駕駛員血液中的酒精含量閾值為20mg/100ml，若司機血液中酒精含量大于等于閾值，則屬于酒后駕駛。根據數據調研情況[2]可以估計，在緩慢飲酒的情況下，飲用三瓶啤酒后8.6小時內駕駛車輛是違反標準的情況。

在本檢測模塊中，主要使用的是基于STM32單片機的酒精傳感器。當車輛車門打開的時候，傳感器裝置立即進入工作狀態，以便檢測車輛內空氣酒精濃度。若達到醉酒駕駛的閾值，車輛點火裝置的電源將立即被切斷，汽車無法啟動。

本檢測模塊采用MQ3型酒精傳感器，用以檢測車輛駕駛室內空氣中酒精的濃度。MQ3型酒精傳感器對酒精乙醇蒸汽具有較高的靈敏性和較好的甄別性[3]，其導電率隨空氣中酒精乙醇濃度的增大而增加。MQ3型酒精傳感器工作時，將酒精濃度轉換成電信號，將傳感器元件的A0端連接到單片機的模擬電壓輸出端。

圖1 酒精傳感器檢測模塊流程圖

1.2 基于人臉識別的防疲勞駕駛檢測系統

在進行圖像處理智能分析時，因為涉及到大量的視頻圖像和其他數據，因此利用圖像智能分析技術對采集系統中的視頻圖像數據進行處理。智能圖像分析與處理技術采用智能神經網絡技術，通過分層處理將有用的對象從視頻圖像中分離出來。該技術借助計算機強大的數據處理功能，能夠快速分析視頻圖像數據，并且過濾掉其他多余的信息。視頻源中的關鍵信息將自動分析和提取，這些數據都是對駕駛員進行疲勞分析的重要參數。比如：利用圖像識別技術傳遞的數據識別車輛的車牌號等。在進行圖像搜索的過程中，能夠利用車輛的基礎特征來搜索車輛。則利用該技術可以通過分析駕駛員的相對應視頻參數，分析駕駛員是否疲勞駕駛。

圖像識別廣泛應用于我們的日常生活當中。隨著計算機技術和電子技術的飛快發展，計算機能夠實時處理圖像，高效的圖像處理算法和圖像識別技術在智能交通領域中占據很重要的地位。圖像恢復技術[4]是基于圖像的主要技術。在圖像識別過程中，必須對圖像進行預處理，除去圖像的冗余信息，提取關鍵的特征信息。然后對檢測樣本進行分類，得到分類組，最后對識別出的圖像進行分類識別。

圖2 人臉識別檢測模塊流程圖

1.2.1 數據處理技術

由于系統中數據量大，同時數據的多樣性和異構性，數據處理一般需要實時性和準確性。因此，采用數據融合、數據挖掘、數據激活、數據可視化等數據處理技術。因為本檢測系統中檢測存儲有大量的視頻圖像等數據，故采用圖像智能分析技術對智能交通中的視頻圖像數據進行處理。智能圖像分析與處理技術采用智能神經網絡技術，通過分層處理將視頻圖像中有用的對象分離出來。該項技術借助計算機強大的數據處理功能，可以對視頻圖像數據進行快速分析，并對圖像進行過濾冗余信息。視頻源中關鍵信息的自動分析和提取將為監控提供有用的信息。如：基于圖像識別技術，能夠利用通行數據識別車輛車牌號、車輛屬于何種品牌等。如果要搜索圖片，還能夠通過截取車輛特征來搜索車輛。通過分析駕駛員駕車時的視頻，能夠判斷出司機是否為疲勞駕駛。

1.2.2 圖像識別技術

隨著計算機技術和電子技術的飛速發展，計算機不僅可以實現實時處理圖像，還可以提供高效的圖像處理算法和圖像識別技術，圖像識別廣泛應用于我們的日常生活中。圖像識別技術是主要是基于圖像的特征，在圖像識別過程中，對圖像進行預處理，除去圖像中的冗余信息，以便提取關鍵的人物信息。然后對圖像樣本進行分類，得到不同特征的分類組，最后對識別出的圖像進行識別分類。

為了提高檢測模塊的識別率，第一步要進行圖像處理。圖像預處理可以有效地減少圖像中沒有識別出的值冗余信息，消除原始圖像的噪聲。圖像預處理單元由照相機、掃描儀和其他采集設備輸入到計算機。一般的圖像預處理步驟包括灰度化、二值化、去噪、圖像分割等。

1.2.3 圖像灰度級

由于彩色圖像調色板的內容較復雜，無法處理許多圖像算法，因此有必要對彩色圖像的灰度值[5]進行處理。圖像中每個像素的R、G、B分量的灰度圖像值相等。一般的圖像的灰度值是對圖像的R、G、B三個分量進行加權，使用最終得到的灰度值。常用的計算灰度值的方法有平均法、最大法和加權平均法。本檢測單元采用平均法計算每個像素R、G、B的平均亮度，取這三個分量的平均亮度作為該像素的灰度值，即：

該像素點的兩個值是根據一定的標準將圖像中的像素分為兩種對比度較大的顏色。一般計算灰度值的方法有自適應閾值和給定閾值的方法。本檢測單元計算灰度值采用閾值法，其基本原理是設置圖像f(x,y)，灰度范圍為(α1, α2)，在α1和α2之間選取合適的灰度值p，p∈(α1, α2)：

其中為(x,y)像素點圖標，P為閾值。F(x,y)是經過該像素點兩個值處理的灰度圖像，G(x,y)是原始灰度圖像。當g(x,y)＜P時，f(x,y)=0，設該點為背景圖像點；當g(x,y)≥P時，f(x,y)=1，設該點為目標像點。當P太大時，偶然出現的物體會被認為是背景；當P太小時，該值會與噪聲相混合。在自適應閾值化的方法中，根據所選閾值對圖像進行二值化處理。處理對象是黑色的，背景是白色的。

1.2.4 圖像分割

在進行圖像分割之前，采用濾波處理，從而給圖像進行去噪。根據噪聲的類別可以選擇中值濾波、自適應濾波和均值濾波。在對圖像的研究和應用中，常從應用圖像中分離和提取出特定的區域。目前的圖像分割算法一般可分為基于像素數據的神經網絡算法和基于特征數據的神經網絡算法。

圖像特征是不同圖像之間的區別特征，可以通過圖像特征區分不同的對象。提取圖像特征就是從匹配圖像中找到屬于圖像本身的特征，包括色彩、紋理、形狀等。

根據實驗結果，不斷改進我們疲勞檢測的方法。實驗測試的疲勞判斷和分心判斷的準確率和響應時間，如表1，表2所示。

表1 疲勞判斷實驗結果

表2 分心判斷實驗結果

通過檢測模塊進行試驗，得出的數據表明，本安全駕駛系統對駕駛員疲勞狀態的識別率為91.3%，分心狀態的識別率為90.1%，平均響應時間為1s，模塊檢測具有較高的準確率，具有一定的應用價值。

基于駕駛員面部表情與特征的檢測方法是以機器視覺為手段，通過圖像傳感器采集駕駛員面部表情的圖像，通過分析駕駛員的面部特征來判斷司機是否處于疲勞狀態。該方法是一種比較成熟和廣泛應用的技術，能夠達到一定的識別精度，且在檢測過程中不會對駕駛員造成任何干擾。但是駕駛員駕駛車輛的操作不僅與其是否疲勞有關，還受到道路環境、駕駛速度、行駛天氣、個人習慣、操作技巧等影響，因此不能僅依賴該檢測模塊判斷司機是否為疲勞駕駛。為了提高本安全駕駛系統的精度和魯棒性，通過與上述兩個檢測模塊提供的參數做對比，我們改進了安裝在方向盤上的變壓器角位移傳感器、GPS模塊和嵌入式系統來提高檢測司機疲勞駕駛的準確率。

1.3 具有防疲勞駕駛功能的方向盤

當駕駛員疲勞駕駛時，司機會進入大腦缺氧的疲憊狀態。駕駛員在方向盤上的操作會出現突然左轉或右轉的現象[6]。當駕駛員直線行駛時，方向盤角度變化量小、變化頻率快；當駕駛員轉彎或回圈時，方向盤角度的變化是單向的；當駕駛員疲勞駕駛時，方向盤角度的變化值比較大，且變化頻率比較慢，具有一定的規律性。駕駛經驗和研究數據都表明方向盤行駛軌跡修正特性與疲勞駕駛[7]之間存在很好的關聯性。該檢測模塊利用內置變壓器式角位移傳感器采集航向修正時方向盤角度電壓變化，利用模式識別技術構建電壓波形特征率。在司機疲勞駕駛的情況下，電壓波形會與正常駕駛時不同，變得緩慢且突然。通過與正常駕駛特性值的比較，可以確定司機為疲勞駕駛。

圖3 方向盤電壓波形特征率比較流程圖

2 結論

本系統使用三個檢測模塊來構建防疲勞駕駛安全系統。第一個檢測模塊使用基于STM32單片機的酒精傳感器，檢測汽車內空氣中的酒精濃度，若檢測值大于等于設定閾值，車輛點火裝置的電源將立即被切斷，汽車無法啟動；第二個檢測模塊使用圖像處理與分析技術分析駕駛員行駛途中的面部特征與表情，從而判斷司機是否疲勞駕駛，若判定司機疲勞駕駛，則立即發出事先錄制好的親人語音警報，并對最近服務區的距離進行提醒，可有效減少司機疲勞駕駛的情況；第三個檢測模塊在方向盤上安裝內置變壓器式角位移傳感器，用來采集航向修正時方向盤角度電壓變化，通過與正常駕駛特性值的比較，可以確定司機是否為疲勞駕駛。若判定駕駛員為疲勞駕駛，則播報親人語音提醒。

3 應用前景

本系統的設計雖然已經考慮到了許多方面的因素，但由于每個人的生活習慣與身體狀況都不一樣，所設計的算法并不是完全精確，因此考慮將目前已有的防疲勞駕駛軟件與大數據庫相結合，構造一個可以精確到個人的基于大數據庫下的防疲勞駕駛系統。從車主購買產品時開始計算，將其平時的行為習慣都記錄在內，如果行車時發現異于平常并符合我們的算法的行為，則可以精確的認定其為疲勞駕駛，然后發出警報。為減少疲勞駕駛所帶來的危害，該系統可以給駕駛員發送語音或振動信號，及時提醒駕駛員糾正當前的駕駛行為，從而防止事故的發生。