劉彩虹 李淦初 李詩(shī)
摘要:通過逐年報(bào)告分析,疲勞駕駛一直是交通事故中的一大重要隱患。本文結(jié)合5G和車聯(lián)網(wǎng)的技術(shù)背景,對(duì)實(shí)時(shí)監(jiān)測(cè)疲勞駕駛預(yù)警系統(tǒng)進(jìn)行了一系列設(shè)計(jì)和構(gòu)思,從項(xiàng)目概述、實(shí)施方案到項(xiàng)目特色和對(duì)未來展望進(jìn)行了深入的探索。
關(guān)鍵詞:5G;車聯(lián)網(wǎng);疲勞駕駛;通信;預(yù)警
中圖分類號(hào):TD302文獻(xiàn)標(biāo)識(shí)碼: A
文章編號(hào):1009-3044(2021)04-0181-03
1引言
隨著人民經(jīng)濟(jì)水平的不斷提升,家家戶戶擁有私人汽車已司空見慣。私家車數(shù)量不斷增長(zhǎng)的同時(shí),交通事故發(fā)生的頻率也大大提高,其中因疲勞駕駛引發(fā)的交通事故一直都是一個(gè)重大隱患。隨著科學(xué)技術(shù)的發(fā)展,相關(guān)的疲勞預(yù)警技術(shù)卻仍存在較大缺陷,還具有很大的發(fā)展空間。依據(jù)國(guó)內(nèi)外已有的疲勞駕駛預(yù)警系統(tǒng)的研究和分析,疲勞駕駛預(yù)警系統(tǒng)主要還存在著一些不足。德系汽車、日產(chǎn)等公司采用的是間接測(cè)量,通過機(jī)器學(xué)習(xí)等方法分析駕駛員的行為,但其精確度不高,容易出現(xiàn)誤判等不良情況;豐田、捷豹等公司采用直接測(cè)量的方式,通過人面部特征或是腦電信息來作為判斷依據(jù),雖然精確度大大提高,但是成本也相對(duì)應(yīng)升高,很難實(shí)現(xiàn)普遍推廣。由此可見疲勞駕駛預(yù)警技術(shù)還有極大的發(fā)展和完善空間。
隨著5G元素的提出和普及,再到車輛間智能化、電子化以及網(wǎng)聯(lián)化的提高和改善,云平臺(tái)和新興科技的發(fā)展,疲勞駕駛預(yù)警技術(shù)存在的不足可以進(jìn)一步得到發(fā)展和改善。提高精度降低成本,更加人性化和智能化的疲勞駕駛預(yù)警系統(tǒng)在不久的未來將會(huì)成為現(xiàn)實(shí)。
本文所構(gòu)思的系統(tǒng)將以5G和車聯(lián)網(wǎng)為時(shí)代背景,研究一款高效的精確度較高的疲勞駕駛預(yù)警系統(tǒng)。
2設(shè)計(jì)方案
總體設(shè)計(jì)理念框圖如圖1所示:
2.1 疲勞預(yù)警系統(tǒng)設(shè)計(jì)
2.1.1 信息采集
1)攝像頭模塊
疲勞駕駛多半是駕駛員熬夜行駛引起,在白天和夜晚都有可能會(huì)出現(xiàn)疲勞駕駛現(xiàn)象。但在夜晚發(fā)生疲勞駕駛時(shí),普通的攝像頭可能無(wú)法清晰的捕獲到駕駛員面部信息。因此系統(tǒng)將會(huì)選用紅外高清攝像頭,即便疲勞駕駛發(fā)生在比較漆黑的夜晚,攝像頭也能清楚的捕獲駕駛員的面部信息。如圖1所示,采用DH-S10-1080P紅外高清攝像頭進(jìn)行人像拍攝。
2)CCD圖像傳感器
CCD圖像傳感器是一種新型光電轉(zhuǎn)換器,具有體積小、重量輕、分辨率高、靈敏度高等優(yōu)點(diǎn)。選用CCD圖像傳感器和紅外高清攝像頭構(gòu)成信息采集部分,大大提高了信息采集的時(shí)效性和準(zhǔn)確性。
3)攝像頭安裝位置選擇
傳統(tǒng)的疲勞預(yù)警設(shè)備有頭戴式和懸掛式等幾種,這些傳統(tǒng)的設(shè)備都有一個(gè)比較大的弊端,即在檢測(cè)駕駛員疲勞情況的同時(shí),也很大程度上影響了駕駛員的行駛,甚至有可能造成無(wú)法預(yù)料的交通事故??紤]到這些因素,將系統(tǒng)的攝像頭安裝在距駕駛員0.5m左右的汽車儀表盤上方,一是具有較強(qiáng)的隱蔽性,不會(huì)影響到駕駛員行駛和判斷路況;二是不會(huì)給駕駛員在駕駛過程中造成不適,安裝位置比較合理,能全面拍攝到駕駛員面部。
2.1.2 信息處理
在現(xiàn)實(shí)場(chǎng)景中,有諸多的外界因素會(huì)使收集的圖像信息出現(xiàn)模糊、重影、色差或是曝光嚴(yán)重而不成像等問題。因此,對(duì)采集的信息再進(jìn)行一次信息處理,使收集的面部信息更加清晰將會(huì)大大提高系統(tǒng)判斷的準(zhǔn)確性。 本系統(tǒng)選用的圖像處理的技術(shù)有Gamma校正和高斯濾波。
Gamma校正是對(duì)輸入的圖像的灰度值進(jìn)行指數(shù)變換的過程,進(jìn)而校正亮度偏差,通常應(yīng)用于擴(kuò)展暗調(diào)的細(xì)節(jié)。基于Gamma校正開發(fā)出的Gamma灰度校正技術(shù),通過改變自身參數(shù)值來改變圖像整體的亮度,圖像過暗的部分經(jīng)Gamma校正會(huì)得到比較好的改善。
高斯濾波用高斯函數(shù)來對(duì)輸入信號(hào)進(jìn)行計(jì)算然后得出結(jié)果作為該信號(hào)的值,本系統(tǒng)采用二維的高斯函數(shù)濾波通過在水平和豎直方向?qū)D像進(jìn)行處理,更加的方便快捷,并且能獲得信噪比比較高的圖像,大大提高了人臉系統(tǒng)識(shí)別的可靠性。
2.1.3 信息判斷
信息判斷的總體流程如圖2所示:
1)人臉部和眼部檢測(cè)
人臉檢測(cè)和人眼檢測(cè)是一項(xiàng)檢測(cè)出圖像中人臉和人眼所在位置的技術(shù),其算法是輸入一張圖像,輸出的是一個(gè)人臉或人眼眶坐標(biāo)序列。通常情況下,人臉或人眼坐標(biāo)框是一個(gè)矩形。因此系統(tǒng)將通過攝像頭采集的圖像信息,根據(jù)相關(guān)算法進(jìn)行人臉或人眼檢測(cè)。本系統(tǒng)基于opencv這樣一個(gè)開源的計(jì)算機(jī)視覺庫(kù)來實(shí)現(xiàn)人臉和人眼檢測(cè),opencv有著Python、C++和Java等多種接口,并支持Android、Linux、Windows和IOS等平臺(tái),人臉和人眼檢測(cè)的算法采用Python語(yǔ)言進(jìn)行編寫,能夠準(zhǔn)確地捕捉到圖像中的人臉,并且能夠精確識(shí)別人眼位置。開發(fā)過程中,還可以設(shè)置“輸入圖像尺寸”“最小臉尺寸限制”以及“人臉或人眼數(shù)量上限”來加速算法。
2)疲勞判斷
系統(tǒng)定位到人眼后,根據(jù)基于疲勞程度系數(shù)和眨眼頻率算法來進(jìn)行駕駛員疲勞程度的判斷,正常情況下,一分鐘內(nèi)人眨眼次數(shù)的范圍為(15,25)。當(dāng)檢測(cè)到駕駛員一分鐘內(nèi)的眨眼次數(shù)不在這個(gè)正常范圍內(nèi)時(shí),則判斷為異常狀態(tài)。當(dāng)眨眼次數(shù)為異常狀態(tài)時(shí)再根據(jù)具體眨眼次數(shù)進(jìn)行具體分析,一分鐘眨眼次數(shù)在(0,15)范圍內(nèi)判定為疲勞狀態(tài),在25次以上時(shí)判定為其他特殊情況,確定為疲勞狀態(tài)時(shí)再根據(jù)人眼狀態(tài)進(jìn)行細(xì)分。
在本系統(tǒng)中,設(shè)置P參數(shù)表示司機(jī)的疲勞的程度數(shù)值,S1代表實(shí)時(shí)采樣的駕駛員眼睛睜開的面積,S0為系統(tǒng)之前保存的清醒狀態(tài)下的黑色面積。則疲勞程度的判斷公式如式(1)所示:
當(dāng)系統(tǒng)根據(jù)眨眼疲勞判斷駕駛員為疲勞狀態(tài)后,若疲勞程度值在0和0.25之間時(shí)判定眼睛為閉合狀態(tài),即駕駛員處于重度疲勞;當(dāng)疲勞程度值處于0.25和0.5之間時(shí),判定為半睜開狀態(tài),即駕駛員處于輕度疲勞;當(dāng)疲勞程度值處于0.5和1之間時(shí),判定為睜開狀態(tài),即駕駛員為正常行駛。
2.1.4 信息傳輸
當(dāng)行駛道路上有疲勞駕駛的情況發(fā)生時(shí),該疲勞駕駛車輛的相關(guān)信息,例如速度和具體位置信息會(huì)通過5G車聯(lián)網(wǎng)這樣一個(gè)通信網(wǎng)絡(luò)傳輸至周圍車輛,使周圍車輛提前預(yù)知到身邊的危險(xiǎn)信息,讓危險(xiǎn)變得可視化,預(yù)留出充足的時(shí)間給周圍車輛提前做好相關(guān)應(yīng)急準(zhǔn)備,進(jìn)而避免交通事故的發(fā)生。
2.2 5G車聯(lián)網(wǎng)通信的實(shí)現(xiàn)思路
本系統(tǒng)通過植入5G模塊進(jìn)行無(wú)線傳輸,采用蜂窩車聯(lián)網(wǎng)基于PC5接口的V2V通信,車輛用戶數(shù)據(jù)的接收與發(fā)送服從半雙工數(shù)據(jù)的傳輸方式。發(fā)送用戶使用廣播機(jī)制通過副鏈路將車聯(lián)網(wǎng)需要傳輸?shù)男畔鬏斀o位于一定距離范圍內(nèi)的多個(gè)用戶,這樣便能實(shí)現(xiàn)將疲勞駕駛車輛的相關(guān)信息通過車聯(lián)網(wǎng)傳輸給周圍車輛,起到預(yù)警作用。
2.3 本系統(tǒng)的創(chuàng)新點(diǎn)
2.3.1 多角度實(shí)時(shí)監(jiān)測(cè)駕駛狀態(tài)
傳統(tǒng)的疲勞駕駛預(yù)警系統(tǒng)是通過依據(jù)傳感器檢測(cè)車輛狀態(tài)參數(shù),如車速、發(fā)動(dòng)機(jī)轉(zhuǎn)速、橫擺角速度、側(cè)向加速度、轉(zhuǎn)向盤角速度和角加速度等及各信號(hào)的后處理參數(shù)進(jìn)行分析計(jì)算得到駕駛員狀態(tài)監(jiān)測(cè)結(jié)果,或駕駛員佩戴相關(guān)儀器采集心電信號(hào)和腦電信號(hào)來判斷是否疲勞。前者精度不高,容易造成誤判,后者精度雖高但會(huì)影響司機(jī)駕駛和甚至判斷路況,并讓司機(jī)造成極度的不舒適感。本系統(tǒng)采用的眼部狀態(tài)、眨眼頻率和車內(nèi)環(huán)境多方面結(jié)合判斷疲勞駕駛,不僅彌補(bǔ)了前者的精確度低的缺陷,還避免了后者給司機(jī)帶來的不適感和麻煩。并對(duì)司機(jī)的駕駛狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè),不斷采集司機(jī)的面部信息和車內(nèi)環(huán)境信息,一旦符合疲勞駕駛條件便會(huì)啟動(dòng)報(bào)警,在一定程度上阻斷疲勞駕駛的發(fā)生,大大提高了安全行駛的可行度。
2.3.2 5G車聯(lián)網(wǎng)通信覆蓋范圍廣
由于通信基于5G的車聯(lián)網(wǎng)系統(tǒng),5G覆蓋范圍很廣,5G車聯(lián)網(wǎng)V2V通信的最大距離大約為1000 m,可以解決車輛自組網(wǎng)通信中短暫、不連續(xù)的連接問題,尤其是在通信過程中遇到大型物體遮擋的環(huán)境下。這樣的系統(tǒng)更加靈活可變,即便出現(xiàn)通信不穩(wěn)定等通信問題,依舊不會(huì)影響系統(tǒng)的運(yùn)作?;?G高速低時(shí)延的特點(diǎn),使系統(tǒng)增加了車與車之間無(wú)障礙低時(shí)延的信息通信特色,在時(shí)間上為應(yīng)對(duì)交通事故爭(zhēng)取了更多時(shí)間,從根源上阻斷因疲勞駕駛造成的連環(huán)追尾等重大事故的發(fā)生。
2.3.3 可以語(yǔ)音報(bào)警和語(yǔ)音識(shí)別
為避免當(dāng)附近有疲勞駕駛車輛時(shí)對(duì)周圍車輛進(jìn)行信息傳輸和報(bào)警而影響正常的駕駛車主行駛,其報(bào)警系統(tǒng)可以選擇像導(dǎo)航提示語(yǔ)音一樣柔和的語(yǔ)音進(jìn)行提示,避免正常車主在行駛過程中造成突然的驚嚇而造成交通事故發(fā)生。并考慮到駕駛員駕駛車輛時(shí)不方便操控系統(tǒng)的一些功能,本系統(tǒng)采用了語(yǔ)音控制功能,可以通過一定的語(yǔ)音識(shí)別對(duì)系統(tǒng)進(jìn)行操控。
2.3.4疲勞駕駛的多程度判斷
本疲勞駕駛預(yù)警系統(tǒng)采用多程度判斷模式,對(duì)不同程度的疲勞駕駛進(jìn)行不同的報(bào)警方式,以減少因?yàn)檎`判而造成對(duì)車主的影響。如果檢測(cè)到車內(nèi)二氧化碳超過設(shè)定值時(shí),系統(tǒng)會(huì)通過語(yǔ)音提示車主可以進(jìn)行開窗通風(fēng),以防止疲勞;如果車主被判定為輕度疲勞時(shí),系統(tǒng)會(huì)通過語(yǔ)音進(jìn)行報(bào)警并伴隨短促間斷的蜂鳴器報(bào)警音,并向周圍車輛發(fā)出報(bào)警信息;如果被判定為重度疲勞,系統(tǒng)會(huì)通過高強(qiáng)度的語(yǔ)音報(bào)警和持續(xù)的蜂鳴器報(bào)警音,并向周圍車輛發(fā)出報(bào)警信息,并通過車聯(lián)網(wǎng)聯(lián)系交管部門。通過細(xì)致化的判斷疲勞駕駛系統(tǒng),會(huì)減少帶給車主的不適感和出現(xiàn)誤判是造成的麻煩,可以使系統(tǒng)更加完備和成熟。
3 結(jié)束語(yǔ)
5G是當(dāng)今時(shí)代科研的發(fā)展趨勢(shì),5G終將會(huì)被普及,而5G和車聯(lián)網(wǎng)的結(jié)合將會(huì)給交通帶來巨大的便利。5G通信的低時(shí)延、可靠和大吞吐優(yōu)勢(shì)以及5G車聯(lián)網(wǎng)支持速度更快的車輛通信和可以提供高速的下行和上行鏈路數(shù)據(jù)速率讓車與車、車與移動(dòng)終端之間實(shí)現(xiàn)高質(zhì)量通信的特點(diǎn),使傳統(tǒng)的疲勞駕駛系統(tǒng)跳出了低速高時(shí)延,傳播范圍窄的弊區(qū),讓該系統(tǒng)具有了更高的研究意義和價(jià)值,基于5G的車聯(lián)網(wǎng)疲勞駕駛預(yù)警系統(tǒng)將成為未來重要的發(fā)展方向。加之車聯(lián)網(wǎng)的存在,周圍的車輛可以實(shí)現(xiàn)車與車之間信息傳遞和共享,將身邊的危險(xiǎn)變得可視化。車主可以提前預(yù)知到周圍的危險(xiǎn),提前做好相應(yīng)的應(yīng)急措施,對(duì)危險(xiǎn)進(jìn)行預(yù)判,很大程度上減少了交通事故的發(fā)生而造成不必要的傷亡,對(duì)社會(huì)穩(wěn)定和人民生活具有極高的價(jià)值意義。
參考文獻(xiàn):
[1] 魏秀林,黃健喬慧峰,等.5G賦能車聯(lián)網(wǎng)供應(yīng)鏈的研究[J].物流科技,2020,43(2):125-126.
[2] 李杏.5G車聯(lián)網(wǎng)資源分配技術(shù)研究與評(píng)估[D].北京:北京郵電大學(xué),2019.
[3] 王小臣,蔣樹國(guó),王成.車聯(lián)網(wǎng)中移動(dòng)邊緣計(jì)算的網(wǎng)絡(luò)架構(gòu)[J].客車技術(shù)與研究,2020,42(2):9-11,22.
[4] 敖立. 推進(jìn)5G可推廣的創(chuàng)新模式和發(fā)展路徑[N].人民郵電,2020-04-28(004).
[5] 刁倩.汽車疲勞駕駛車載聯(lián)網(wǎng)預(yù)警系統(tǒng)的研究[D].淮南:安徽理工大學(xué),2015.
[6] 朱雪田.5G車聯(lián)網(wǎng)技術(shù)與標(biāo)準(zhǔn)進(jìn)展[J].電子技術(shù)應(yīng)用,2019,45(8):1-4,9.
[7] 李東澤.基于5G的車聯(lián)網(wǎng)技術(shù)的優(yōu)勢(shì)分析[J].通訊世界,2019(10):146-147.
[8] 陳瑜,李錦濤,徐軍莉,等.基于眼動(dòng)特征的駕駛員疲勞預(yù)警系統(tǒng)設(shè)計(jì)[J].軟件導(dǎo)刊,2020,19(5):116-119.
[9] 李超,石向榮,黃劍華.基于腦電信號(hào)處理的疲勞駕駛預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].科學(xué)技術(shù)創(chuàng)新,2018(2):75-76.
[10] 于立嬌,吳振昕,王文彬,等.駕駛員疲勞狀態(tài)監(jiān)測(cè)系統(tǒng)綜述[J].汽車文摘,2019(3):24-30.
[11] 馮婧,顧梅花.基于OpenCV的人臉識(shí)別算法研究與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù),2020,16(14):3-5.
[12] 莫玲,麥仁標(biāo),馬博,等.人眼狀態(tài)檢測(cè)與識(shí)別系統(tǒng)研究[J].輕工科技,2020,36(2):77-80.
【通聯(lián)編輯:梁書】