邱敏霞 王子純 方嬌 李鑫

【摘? 要】伴隨汽車保有量的持續(xù)提高，交通事故也快速增多，由于疲勞而引發(fā)的交通事故占比相當高，對司機疲勞駕駛展開監(jiān)管，對于減少交通事故存在重大的作用。本文借助模板匹配的方式追蹤定位識別到的人眼。本文借助虹膜對上下眼瞼之間的距離展開運算，且同眨眼頻率有效結合，探討有關沒有檢測到人眼的狀況下的運算且予以創(chuàng)新。本文把疲勞判斷同追蹤人眼有效融合，促使系統(tǒng)檢測所耗費的時間大幅變少。

【關鍵詞】疲勞檢測;虹膜識別

引言

隨著科學技術日新月異的進步，交通運輸業(yè)也得到了高速的發(fā)展，道路交通事故頻發(fā)成為危害人身和財產(chǎn)安全的嚴峻問題，然而引發(fā)事故的原因是各式各樣的，比如司機、車輛或者道路等方面的問題，至于司機問題已然變成全球高度認可的重要因素，其中最重要一個因素就是駕駛員疲勞駕駛。駕駛人由于休息不足或長時間駕駛時容易導致判斷能力下降、操作失誤頻率上升以及反應遲鈍現(xiàn)象頻發(fā)。當駕駛員處于嚴重疲倦狀態(tài)下時，有時會進行無意識操作或進入瞬時睡眠狀態(tài)，在嚴重的情況下失去對車輛的控制能力。造成交通事故的主因也許是疲勞駕駛，按照有關部門的相關報告可知，由于疲勞駕駛而引發(fā)的事故占交通事故總數(shù)的五分之一左右。在疲勞駕駛與酒駕，還有超速這幾個重要因素當中，疲勞駕駛是最為關鍵的因素。

對于開展關于疲勞狀態(tài)預警，預防疲勞駕駛的系統(tǒng)對于人身安全與社會穩(wěn)定具有重要意義。本文對現(xiàn)今國內(nèi)外關于預警疲勞駕駛的研究進行分析發(fā)現(xiàn)，現(xiàn)有的疲勞狀態(tài)預警研究大致可劃分成主動記錄和參數(shù)監(jiān)測兩種方式，第一種主動記錄指的是通過駕駛員的簽到記錄駕駛時長，通過規(guī)定的時間衡量是否處于疲勞狀態(tài)。第二種參數(shù)監(jiān)測是對駕駛員的生理信息、車輛的動態(tài)參數(shù)進行實時觀測以判斷駕駛員是否疲勞。

1.研究流程

2.特征提取

虹膜識別模塊的重要構成部分，為虹膜的特征匹配以及提取。特征提取重點為借助Canny邊緣算子，將虹膜的外邊緣提取出來，借助 Hough變換獲取內(nèi)圓半徑以及中心，借助單行梯度最大值法，對虹膜的外邊緣展開運算;最終借助二維Gabor小波變換，對虹膜特征展開提取，以下為相關的公式：

在對虹膜特征展開提取時，必須基于二維Gabor小波變換，所形成的極坐標下開展。原因是如此能夠防止由于虹膜提及的變化，還有瞳孔變大而造成虹膜特征出現(xiàn)改變。以下為極坐標的公式：

3.系統(tǒng)工作過程

3.1 連續(xù)駕駛

司機在交通條件較佳的城市公路，或者高速公路上行駛時，司機通常在持續(xù)行駛時是不會中途停下來的。這時的檢測流程為：ECU獲取傳感器發(fā)出的信號以后，指示CCD攝像頭收集相應的圖像，DSP指示計時模塊開始計時，視頻解碼器對圖像展開轉(zhuǎn)換處理，虹膜識別模塊則對虹膜展開識別。在匹配結束以后將虹膜予以鎖定，等同于將司機鎖定。借助計時模塊對司機持續(xù)行駛的時間H予以記錄，從而判定其有無出現(xiàn)疲勞駕駛的狀況。

3.2 系統(tǒng)測試

如今國外及國內(nèi)并未構建完善的虹膜庫。為方便試驗在環(huán)境與時間不一樣的狀況下，采集二十個人，每個人八張（左右眼各為四張） ，大小為640×480的虹膜圖像。當中的訓練及測試樣本數(shù)量均為四張。

該法把所有的訓練及測試樣本展開比較匹配?？偣惨瓿?0×4+20×4=160次匹配。并且記錄，在完成虹膜識別以后，時鐘模塊顯示反應滯后的時長：

通過對結果的研究能夠得知，虹膜識別存在4.39%的錯誤率。出現(xiàn)錯誤判斷的主要原因則是：因為光照強度的作用，盡管系統(tǒng)選取的CCD紅外攝像頭可以較好地適應光照，然而鑒于成本等諸多方面，選取的濾光設備并無較佳的效應，這對檢測結果形成不利的作用;因為行駛過程中司機的姿勢經(jīng)常變化，對圖像收集也產(chǎn)生不利的作用。在對計時模塊展開分析后得知，在完成虹膜識別以后，該模塊在反應方面是存在滯后性的，平均時長大約為1.51秒，該時長依然位于準許的范疇內(nèi)。

4.討論

本文所設計的疲勞狀態(tài)預警系統(tǒng)，是以虹膜識別作為基礎的。該系統(tǒng)是通過報警與圖像處理模塊等構成的，促使系統(tǒng)具備比較簡單的結構，達成系統(tǒng)的模塊化。

本文借助Gabor小波變換法，對虹膜特征展開提取得知，在對160個樣本展開匹配時，存在4.39%的錯誤率，意味著系統(tǒng)具備較佳的精準度。在完成虹膜識別以后，該模塊在反應方面是存在滯后性的，平均時長大約為1.51秒，該時長依然位于準許的范疇內(nèi)。

在試驗當中選取的樣本并不充足，盡管可以向后續(xù)分析給予部分參照，然而為促使分析更為精準與全面，必須收集充足的樣本且反復試驗，從而構建完善的虹膜樣本庫。

（指導老師：楊雪）

參考文獻

[1]姬樂樂.基于虹膜識別技術的快速身份確認算法研究[D].西安工程大學，2017

[2] 江水郎.基于視覺的駕駛員疲勞檢測研究[D].上海交通大學，2008.

[3]李海青，孫哲南，譚鐵牛，何召鋒，馬力.虹膜識別技術進展與趨勢[J].信息安全研究，2016，2（01）：40-43

[4]李京.虹膜識別技術在眼動旋轉(zhuǎn)中的應用[D].西安工業(yè)大學，2012

[5]曹倩霞.基于眼瞼運動的司機疲勞檢測[D].中南大學，2005.

[6]李軍.黃超生.謝偉斌.鄒思昕.人臉識別在疲勞駕駛檢測中的應用研究[J].廣東技術師范學院學報，2019，40（03）：22-27.

[7]袁曉燕.虹膜定位、形變及特征提取研究[D].上海交通大學，2008.

[8]蔣文博.基于計算機視覺的疲勞駕駛檢測技術研究[D].北京化工大學，2015.

[9]沈英超.基于眼部特征的疲勞駕駛檢測系統(tǒng)的研究與實現(xiàn)[D].桂林電子科技大學，2019.

[10]王鑫磊，王辛巖，田中軒，張婭婷，眼睛特征下的疲勞檢測與研究[J].綠色環(huán)保建材，2018（12）：139-140

基金項目：①本文系天津農(nóng)學院2018年度大學生實踐創(chuàng)新訓練計劃項目，項目編號：201808003。

②本文系天津農(nóng)學院天津市教委科研計劃項目，項目編號：2018KJ184。

作者簡介：

邱敏霞（1997.7--），女，貴州貴陽人，天津農(nóng)學院本科在讀，研究方向為物聯(lián)網(wǎng)。

楊雪（1988.11），女，甘肅武山人，天津農(nóng)學院講師，研究方向為生物信號檢測與處理和圖像處理。