陸仲達(dá)，王麗婧，韓運(yùn)起

(齊齊哈爾大學(xué)計(jì)算機(jī)與控制工程學(xué)院，黑龍江齊齊哈爾161000)

疲勞駕駛是當(dāng)今交通安全的重要隱患之一。據(jù)統(tǒng)計(jì)，全世界每年因交通事故導(dǎo)致死亡的人數(shù)達(dá)60萬，直接經(jīng)濟(jì)損失約125億美元，這些事故中57%的災(zāi)難性事故與駕駛員疲勞駕駛有關(guān)。駕駛員工作性質(zhì)特殊性、工作環(huán)境、道路環(huán)境、天氣狀況，以及受利益驅(qū)使，諸多原因下，越來越多的人出現(xiàn)疲勞駕駛［1］。駕駛員產(chǎn)生疲勞后，隨著生理機(jī)能下降，身體就會(huì)有一定的體現(xiàn)，例如眼瞼下垂、低頭、瞌睡、動(dòng)作緩慢等，這些都可以作為身體疲勞的特征變量［2］。目前的疲勞檢測(cè)主要是基于檢測(cè)駕駛員生理信號(hào)、駕駛員生理反應(yīng)特征、駕駛員操作行為和車輛狀態(tài)信息等方法［3］。本文通過判斷眼睛的閉合程度來檢測(cè)駕駛員的疲勞狀態(tài)，是基于駕駛員生理反應(yīng)特征的疲勞檢測(cè)系統(tǒng)。

1 疲勞狀態(tài)判斷

疲勞狀態(tài)的判定需要從兩個(gè)方面考慮，一是通過眼睛的閉合程度來獲得的駕駛員處于疲勞界限;二是在規(guī)定時(shí)間內(nèi)多次檢測(cè)所獲得的駕駛員處于疲勞狀態(tài)時(shí)間的長(zhǎng)短［4］。

在駕駛員處于疲勞界限的判斷中，系統(tǒng)選擇攝像頭來采集駕駛員的臉部圖像信息傳遞給主控芯片，由圖像信息獲取駕駛員眼睛閉合程度。先將攝像頭采集到的駕駛員面部圖像與眼部分類器做比較，然后在合適的區(qū)域提取眼部圖像，進(jìn)行灰度處理轉(zhuǎn)換成灰度圖，并對(duì)灰度圖進(jìn)行水平直方圖計(jì)算，由此得到一個(gè)能描述駕駛員眼睛閉合狀態(tài)的數(shù)值。通過PERCLOS算法處理檢測(cè)信號(hào)并以此來判斷駕駛員的疲勞狀態(tài)［5］。疲勞狀態(tài)的表征為0～1之間的數(shù)，1表示駕駛員的眼睛完全睜開，0表示駕駛員的眼睛完全閉合。當(dāng)值小于0.2時(shí)就表示駕駛員已經(jīng)處于疲勞狀態(tài)。針對(duì)如何確定駕駛員處于疲勞狀態(tài)時(shí)間的長(zhǎng)短，由研究結(jié)果得知，一般情況下人們眼睛閉合的時(shí)間在0.2～0.3 s之間，駕駛時(shí)若眼睛閉合時(shí)間達(dá)到0.5 s就很容易發(fā)生交通事故。為排除駕駛員眨眼而造成的誤檢，在系統(tǒng)運(yùn)行時(shí)每隔100 ms取一幀圖像數(shù)據(jù)處理，若是連續(xù)5次都檢測(cè)到駕駛員都處于疲勞狀態(tài)時(shí)就可認(rèn)為此事駕駛員正在疲勞駕駛。當(dāng)以上兩個(gè)因素同時(shí)出現(xiàn)時(shí)，則說明駕駛員處于疲勞狀態(tài)，應(yīng)立即開啟聲光報(bào)警信號(hào)。

2 系統(tǒng)硬件

系統(tǒng)的硬件組成包括5個(gè)部分，分別是:主控芯片、電源電路、傳感器電路、存儲(chǔ)器電路和報(bào)警電路。系統(tǒng)基本原理框圖如圖1所示。

圖1 系統(tǒng)原理框圖

系統(tǒng)的主控芯片采用三星公司的S3C2440芯片，此款32位微處理器，其處理器是一個(gè)由Advanced RISC Machines公司設(shè)計(jì)的16/32位的使用ARM920T內(nèi)核的RISC處理器，能為手持移動(dòng)設(shè)備和其他類型的應(yīng)用設(shè)備提供低功耗、高性能的解決方案。采用專用的5 V穩(wěn)壓電源供電，輸入AC 100～240 V，50/60 Hz;穩(wěn)壓輸出5 V，2 A;能滿足系統(tǒng)的供電要求。5 V電源電路如圖2所示。

圖2 5 V電源電路

圖像采集傳感器使用通用的USB攝像頭，系統(tǒng)中使用的是一款HUAERTE攝像頭，采集的圖像分辨率為320×240，圖像格式RGB24，圖片壓縮格式bmp，支持USB2.0，數(shù)據(jù)傳輸速率最大可達(dá)246 Mbit/s。信號(hào)線連接于S3C2440的DNO和DP0兩個(gè)引腳。USB攝像頭與S3C2440的連接電路如圖3所示。

圖3 USB攝像頭與S3C2440的連接電路圖

存儲(chǔ)電路包括SDRAM存儲(chǔ)電路和 FLASH存儲(chǔ)系統(tǒng)電路。SDRAM存儲(chǔ)電路采用2片32 Mbyte的SDRAM芯片K4S561632C-TC75作為系統(tǒng)內(nèi)存，2片SDRAM芯片并接在一起形成32 bit的總線數(shù)據(jù)寬度;FLASH存儲(chǔ)系統(tǒng)電路采用Nor FLASH芯片AM29LV160DB作為系統(tǒng)的FLASH存儲(chǔ)系統(tǒng)。

系統(tǒng)采用聲光報(bào)警電路，當(dāng)檢測(cè)到駕駛員正處于疲勞狀態(tài)時(shí)，發(fā)出聲光報(bào)警信號(hào)，驅(qū)動(dòng)蜂鳴器和發(fā)光二極管使得蜂鳴器發(fā)出尖銳的響聲，發(fā)光二極管閃爍，以此來警示駕駛員此刻正處于疲勞駕駛狀態(tài)。聲光報(bào)警電路如圖4所示。

圖4 聲光報(bào)警電路圖

3 系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)程序是基于OpenCV和C語言編寫的，系統(tǒng)利用OpenCV提供的大量的計(jì)算機(jī)視覺庫函數(shù)來實(shí)現(xiàn)底層驅(qū)動(dòng)，再由C語言完成系統(tǒng)的程序框架［6］。

3．1 PERCLOS疲勞檢測(cè)標(biāo)準(zhǔn)原理

PERCLOS是在一定時(shí)間內(nèi)眼睛閉合時(shí)間所占的百分比。PERCLOS實(shí)驗(yàn)測(cè)量方法主要有EM，P70，P80 3種，分別表示眼睛的眼瞼遮蓋蓋過瞳孔的面積超過50%的時(shí)候所占的時(shí)間的百分比;其中P80是被最為廣泛接受的一種疲勞檢測(cè)標(biāo)準(zhǔn)［7］。PERCLOS疲勞檢測(cè)原理如圖5所示。

在PERCLOS測(cè)量原理圖中，t1表示眼睛從完全睜開到閉合到20%的時(shí)間，t2表示眼睛從完全睜開到閉合到80%的時(shí)間，t3為眼睛從完全睜開到下一次睜開到20%所用的時(shí)間，t4為眼睛從完全睜開到下一次睜開80%所用的時(shí)間。通過測(cè)量t1，t2，t3，t4的值就可以很容易地求得疲勞系數(shù)，具體計(jì)算公式為

圖5 PERCLOS測(cè)量原理圖

PERCLOS參數(shù)大于80%，則就認(rèn)定此刻駕駛員正處在疲勞狀態(tài)。

3．2 疲勞檢測(cè)程序設(shè)計(jì)

系統(tǒng)程序采用PERCLOS作為疲勞檢測(cè)標(biāo)準(zhǔn)，計(jì)算所得的PERCLOS參數(shù)超過系統(tǒng)所設(shè)定的疲勞檢測(cè)閾值時(shí)即斷定駕駛員在疲勞狀態(tài)。疲勞檢測(cè)過程要求系統(tǒng)能實(shí)時(shí)處理攝像頭采集到得駕駛員的面部圖像，并迅速對(duì)處理結(jié)果做出相應(yīng)的反應(yīng)。因此對(duì)所使用的OpenCV代碼做相應(yīng)的修改，在不改變?cè)竞瘮?shù)功能的基礎(chǔ)上力求做到代碼最精簡(jiǎn)，執(zhí)行效率最高，系統(tǒng)運(yùn)行安全穩(wěn)定。在設(shè)計(jì)中，系統(tǒng)從采集到處理完畢一幀圖像數(shù)據(jù)所用時(shí)間小于100 ms，能滿足實(shí)時(shí)檢測(cè)的要求。疲勞檢測(cè)程序流程圖如6所示。

圖6 疲勞檢測(cè)程序流程圖

3．3 攝像頭驅(qū)動(dòng)設(shè)計(jì)

攝像頭驅(qū)動(dòng)程序函數(shù)函數(shù)封裝到函數(shù)CvCapture*cvCreateCameraCapture(intindex)中。當(dāng)調(diào)用函數(shù)時(shí)，OpenCV會(huì)自動(dòng)打開函數(shù)參數(shù)(index)指定的攝像頭，并從攝像頭中讀取視頻信息。如果攝像頭初始化成功后捕獲到了駕駛員的面部圖像，函數(shù)就會(huì)返回一個(gè)指向已經(jīng)初始化了的CvCapture指針。如果攝像頭初始化不成功，該函數(shù)就會(huì)返回一個(gè)NULL指針。

當(dāng)系統(tǒng)中同時(shí)安裝了多個(gè)攝像頭時(shí)，可以用identifier來指定系統(tǒng)所需要使用的攝像頭，以便告知系統(tǒng)怎樣與攝像機(jī)相交互。當(dāng)系統(tǒng)中只有一個(gè)攝像機(jī)時(shí)，identifier要設(shè)為0。當(dāng)系統(tǒng)調(diào)用cvCreateCameraCapture(int index)函數(shù)時(shí)，要將identifier參數(shù)與攝像機(jī)捕捉常數(shù)送給cvCreateCameraCapture(int index)函數(shù)的參數(shù)index。系統(tǒng)使用一個(gè)攝像頭，index參數(shù)為1。

3．4 分類器匹配程序設(shè)計(jì)

系統(tǒng)采用由OpenCV提供的基于小波特性的類Haar級(jí)聯(lián)分類器。它是在Viola-Jones分類器的基礎(chǔ)上通過對(duì)角特性擴(kuò)展而得來的，采用的是boosting分類器算法。Viola-Jones篩選式級(jí)分類器中的弱分類器是一多數(shù)情況下只有一層的決策樹，該決策樹以式(2)的形式進(jìn)行決策

式中:f表示判斷的特征值;v表示輸入量;t表示判斷的閾值;+1和-1表示兩個(gè)判斷結(jié)果，當(dāng)v大于設(shè)定的判斷閾值時(shí)則輸出+1，表示與分類器中的模板匹配，否則就表示不匹配。

訓(xùn)練時(shí)，Viola-Jones分類器在每個(gè)弱分類器中使用的1～3個(gè)特征，然后迭代建立一個(gè)由弱分類器加權(quán)相加而組成的強(qiáng)分類器。其建立原理如式(3)所示

如果加權(quán)和大于1，則返回1;如果加權(quán)和等于0，則返回0;如果加權(quán)和小于0，則返回-1。在分類器與所獲取的圖像進(jìn)行模板計(jì)算時(shí)首先要導(dǎo)入分類器，然后將分類器與采集的圖像做比較運(yùn)算，得出匹配結(jié)果，最后釋放分類器所占的內(nèi)存。分類器的導(dǎo)入函數(shù)CvHaarClassifierCascade*cvLoadHaar-ClassifierCascade(constchar* directoryCvSizeorig_window_size)，其中directory表示分類器的儲(chǔ)存路徑，orig_window_

size表示被檢測(cè)的目標(biāo)尺寸。

3．5 疲勞檢測(cè)程序設(shè)計(jì)

當(dāng)檢測(cè)到駕員的眼睛的閉合程度后，通過PERCLOS算法檢測(cè)出駕駛員正處于疲勞駕駛狀態(tài)時(shí)，就開啟聲光報(bào)警信號(hào)以警示駕駛員。疲勞檢測(cè)過程如圖7所示。

圖7 疲勞檢測(cè)流程圖

4 測(cè)試實(shí)驗(yàn)

4．1 獲取圖像

使用USB攝像頭獲取駕駛員的面部圖像，面部圖像為RGB模式下的圖像，RGB模式下的面部圖像如圖8～圖11所示，并將其轉(zhuǎn)換為YCbCr模式下的圖像。

在RGB模式中除了顏色外還有亮度非常敏感，對(duì)于人眼來說不同亮度的相同顏色就意味著不同的顏色。當(dāng)分析一幅人的臉部圖像時(shí)，需從圖像中去除亮度。在此使用被廣泛應(yīng)用的YCbCr空間視頻壓縮標(biāo)準(zhǔn)。由于膚色主要取決于皮膚亮度，因此將YCbCr顏色空間進(jìn)行非線性變換，即可去除亮度。由RGB模式下的駕駛員的面部圖像轉(zhuǎn)換到Y(jié)CbCr模式下的圖像如圖12～圖15所示。

圖8 戴眼鏡睜眼RGB圖

圖9 戴眼鏡閉眼RGB圖

圖10 裸眼睜眼RGB圖

圖11 裸眼閉眼RGB圖

圖12 戴眼鏡睜眼YCbCr圖

圖13 戴眼鏡閉眼YCbCr圖

圖14 裸眼睜眼YCbCr圖

圖15 裸眼閉眼YCbCr圖

4．2 眼部圖片的提取

駕駛員的面部圖像經(jīng)過分類器比較運(yùn)算后就可以判定駕駛員的眼部位置，然后在眼睛所在區(qū)域畫出一矩形框，從矩形框中提取出駕駛員的面部圖像。提取的眼部圖像如圖16～圖19所示。

圖16 戴眼鏡的睜眼灰度圖

圖17 戴眼鏡的閉眼灰度圖

圖18 裸眼睜眼灰度圖

圖19 裸眼閉眼灰度圖

眼部圖像提取所使用的函數(shù)主要有:CvRect*r=(CvRect*)cvGetSeqElem(eyes，i);cvRectangle(img，pt1，pt2，colors［i%8］，3，8，0);利用函數(shù) cvGetSeqElem 查找指定序列中索引所指定的特定元素，調(diào)用完該函數(shù)后返回指向該元素的指針。如果指定的序列中只有一個(gè)塊，或者所需查找的元素就在第一個(gè)塊中，那么應(yīng)當(dāng)使用CV_GET_SEQ_ELEM。在使用時(shí)該宏首先核查所需的元素是否屬于第一個(gè)塊，若該元素屬于第一個(gè)塊，則返回該元素;否則，該宏就調(diào)用主函數(shù)GetSeqElem;若元素索引為負(fù)數(shù)，繼續(xù)調(diào)用cvGetSeqElem函數(shù)。函數(shù)cvRectangle是在所指定的圖像img上通過所指定的兩點(diǎn)pt1和pt2作為對(duì)角線來繪制矩形框;colors表示矩形框的顏色，設(shè)計(jì)中選用紅色;參數(shù)“3”表示所畫矩形框線條的寬度，參數(shù)“8”表示矩形框線條的類型，最后一個(gè)參數(shù)表示兩個(gè)對(duì)角線點(diǎn)坐標(biāo)精度。

4．3 灰度直方圖計(jì)算

灰度直方圖描述的是圖像中所有像素點(diǎn)的灰度值的分布情況。由于駕駛員在疲勞駕駛的時(shí)候眼睛的閉合程度肯定會(huì)大于駕駛員在精神飽滿時(shí)的閉合程度，因此疲勞時(shí)眼瞼遮蓋住黑眼球的面積就會(huì)變大，導(dǎo)致灰度值大的區(qū)域的像素點(diǎn)減少。因此，當(dāng)圖片大小相同時(shí)，計(jì)算大于某一域值的灰度值，在睜眼和閉眼的圖像上就會(huì)出現(xiàn)兩個(gè)不相同的數(shù)，而且睜眼的灰度圖的值定會(huì)大于閉眼灰度圖的計(jì)算值，由此就可以判斷眼睛的閉合，如圖20～圖23所示。當(dāng)通過PERCLOS算法檢測(cè)出駕駛員正處于疲勞駕駛狀態(tài)時(shí)，就開啟聲光報(bào)警信號(hào)以警示駕駛員。

圖20 戴眼鏡睜眼灰度直方圖

圖21 戴眼鏡閉眼灰度直方圖

圖22 裸眼睜眼灰度直方圖

圖23 裸眼閉眼灰度直方圖

5 結(jié)論

疲勞駕駛現(xiàn)象是危害自己與他人生命財(cái)產(chǎn)安全的重要原因之一，現(xiàn)今國(guó)內(nèi)眾多駕駛員都存在疲勞駕駛經(jīng)歷。本文通過采集駕駛員面部圖像，提取其眼部圖像并進(jìn)行灰度處理，采用PERCLOS作為疲勞檢測(cè)標(biāo)準(zhǔn)判斷駕駛員是否處于疲勞狀態(tài)。進(jìn)一步改進(jìn)利用紅外線攝像頭在黑暗環(huán)境中能捕捉紅外圖像的特點(diǎn)，設(shè)計(jì)出能在光線微弱的環(huán)境中識(shí)別駕駛員疲勞狀態(tài)的疲勞檢測(cè)系統(tǒng)，在一定程度上解決了駕駛員戴墨鏡開車無法檢測(cè)其疲勞狀態(tài)的問題。系統(tǒng)檢測(cè)準(zhǔn)確性高，能在多種情況下檢測(cè)駕駛員是否處于駕駛疲勞狀態(tài)。

［1］胡捷.基于嵌入式Linux疲勞檢測(cè)系統(tǒng)的設(shè)計(jì)［J］.數(shù)字技術(shù)與應(yīng)用，2014(10):89.

［2］孟令軍，于磊，郭雄飛.疲勞檢測(cè)中人眼定位方法研究［J］.電視技術(shù)，2015，39(1):133-135.

［3］ SARAVANAKUMAR S，SELVARAJU N.Eye Tracking and blink detection for human computer interface［J］.International Journal of Computer Applications，2010，2(2):7-9.

［4］ OLSSONE M，VON SB，PANOSSIAN A G.A randomised，doubleblind，placebo-controlled，parallel-group study of the standardised extract shr-5 of the roots of Rhodiola rosea in the treatment of subjects with stress-related fatigue［J］.Planta Medica，2009，75(2):105.

［5］郭永彩，李文濤，高潮.基于PERCLOS的駕駛員疲勞檢測(cè)算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2009(8):54-57.

［6］譚歆，武岳.基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究與應(yīng)用［J］. 電視技術(shù)，2010，34(1):184-187.

［7］苑瑋英，袁英.基于PERCLOS的眼睛張開程度檢測(cè)算法研究［J］.微計(jì)算機(jī)信息:測(cè)控自動(dòng)化，2010，9(9-1):46-48.