靳明浩

(山東科技大學(xué) 計算機科學(xué)與工程學(xué)院， 山東 青島 266590)

0 引 言

造成駕駛?cè)藛T疲勞駕駛的原因有很多，例如睡眠質(zhì)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?cè)藛T的疲勞駕駛。駕駛?cè)藛T在感到疲勞以后仍繼續(xù)駕駛車輛會產(chǎn)生困倦感，無法集中注意力，判斷能力持續(xù)下降，容易產(chǎn)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(guān)于駕駛?cè)藛T的駕駛狀態(tài)進行實時的檢測，防止其疲勞駕駛，則對駕駛?cè)藛T及相關(guān)人員的生命安全、財產(chǎn)安全，提高行車的安全性具有重大意義。

1 駕駛?cè)藛T疲勞檢測系統(tǒng)軟件設(shè)計

圖1為基于人臉識別的駕駛?cè)藛T疲勞檢測系統(tǒng)軟件功能流程圖。

圖1 軟件功能流程圖

由圖1可知，系統(tǒng)中的軟件功能包括數(shù)字圖像采集模塊、圖像處理模塊和預(yù)警提示模塊。系統(tǒng)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(tǒng)中選用的人臉識別算法是基于深度學(xué)習(xí)思想的棧式自動編碼算法。該算法基于分布的表達方式：當(dāng)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(yīng)于不同的抽象概念或組成。層數(shù)的不同以及每層中單元數(shù)的不同組成導(dǎo)致抽象數(shù)的不同。這種方法的優(yōu)點是可以研究層次結(jié)構(gòu)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(shù)特征。故而在此系統(tǒng)中開發(fā)了基于不受控制的數(shù)據(jù)收集任務(wù)的算法。分析可知，該算法可以使用無法識別的數(shù)據(jù)，究其根本即在于無法識別的數(shù)據(jù)量遠遠超過了已識別的數(shù)據(jù)。因此對于只能使用識別數(shù)據(jù)的算法來說該算法具有更大的優(yōu)勢。

通過數(shù)字模型采集模塊將采集到的駕駛?cè)藛T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(jù)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(jù)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(tǒng)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(nèi)的百分比，判斷駕駛?cè)藛T是否處于疲勞駕駛狀態(tài)。通過對眼睛光學(xué)變量與疲勞關(guān)系之間的性質(zhì)研究，發(fā)現(xiàn)疲勞與瞳孔直徑、眼球的轉(zhuǎn)動、眉目掃射、眨眼等因素有著直接的關(guān)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(shù)據(jù)信息能夠充分表示駕駛?cè)藛T是否處于疲勞狀態(tài)，對疲勞進行準(zhǔn)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(dāng)眼睛最大睜到80%時，所需的時間表示為t1；當(dāng)眼睛最大睜到20%時，所需的時間表示為t2；當(dāng)眼睛最大睜再閉合到20%，所需的時間表示為t3；當(dāng)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(shù)值。

PERCLOS疲勞算法包括三級標(biāo)準(zhǔn)，具體如下：

(1)一級標(biāo)準(zhǔn)：P70，當(dāng)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(tǒng)計，將其百分比作為標(biāo)準(zhǔn)。

(2)二級標(biāo)準(zhǔn)：P80，當(dāng)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(tǒng)計，將其百分比作為標(biāo)準(zhǔn)。

(3)三級標(biāo)準(zhǔn)：EM，當(dāng)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(tǒng)計，將其百分比作為標(biāo)準(zhǔn)。

通過探究發(fā)現(xiàn)PERCLOS疲勞算法中的二級標(biāo)準(zhǔn)P80能夠更加準(zhǔn)確地反映出駕駛?cè)藛T的疲勞駕駛狀況。因此，本文系統(tǒng)將以P80作為評判標(biāo)準(zhǔn)，當(dāng)測得的f>0.5時，系統(tǒng)自動判定駕駛?cè)藛T為疲勞駕駛。

2 駕駛?cè)藛T疲勞檢測系統(tǒng)硬件設(shè)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(shè)計分述如下。

2.1 系統(tǒng)中攝像頭的選擇

系統(tǒng)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(shè)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(jīng)過特殊的視頻捕獲卡后，將視頻信號轉(zhuǎn)換為數(shù)字信號模式，并經(jīng)壓縮后轉(zhuǎn)換為計算機可識別的信息以進行后續(xù)操作。

2.2 系統(tǒng)中處理器的選擇

本系統(tǒng)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(shè)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(tǒng)的所有優(yōu)勢。

2.3 系統(tǒng)中圖像采集卡的選擇

本文系統(tǒng)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(wǎng)口，四路視頻，一路音頻；提供網(wǎng)絡(luò)功能，遠端可進行多畫面瀏覽；每個網(wǎng)口均可自動判斷是否需要提供POE供電；錄像模式可設(shè)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(nèi)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(shè)計的檢測系統(tǒng)可以更加準(zhǔn)確地檢測出駕駛?cè)藛T的疲勞駕駛，文中擬選做對照實驗，詳情如下。

3.1 實驗準(zhǔn)備

對照實驗前，先要建立數(shù)據(jù)可視化的模擬駕駛?cè)藛T行車記錄的交互式平臺，設(shè)對照組為傳統(tǒng)方法下對駕駛?cè)藛T疲勞駕駛的檢測，實驗組為本文基于人臉識別的駕駛?cè)藛T疲勞檢測系統(tǒng)對疲勞駕駛進行檢測。在模擬平臺中，模擬100組駕駛?cè)藛T行駛情況，并且其中每一組的駕駛?cè)藛T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(jié)果分析

對照組與實驗組分別對100組駕駛?cè)藛T的行駛過程中的疲勞檢測結(jié)果見表1。

表1 檢測結(jié)果對比

表1中，精準(zhǔn)度的計算公式為：

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

(2)

由表1中可以看出，實驗組檢測結(jié)果的精準(zhǔn)度明顯高于對照組，說明本文設(shè)計的檢測系統(tǒng)可以更加精確地檢測出駕駛?cè)藛T的疲勞駕駛情況，具有非常高的實用價值。

4 結(jié)束語

本文基于人臉識別技術(shù)的優(yōu)勢，設(shè)計一套全新的駕駛?cè)藛T疲勞檢測系統(tǒng)，具有較高的社會價值。本文對駕駛?cè)藛T的眼部狀態(tài)進行精準(zhǔn)的檢測，在檢測到疲勞駕駛時可以對駕駛?cè)藛T進行及時的預(yù)警，同時還對人臉識別、人眼定位等方面實現(xiàn)了全新的設(shè)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(jié)合其它更加成熟的算法加以研究。