西北民族大學(xué)電氣工程學(xué)院 趙瀟雪 銀 俊 孫新然 譚奇建 周思丹

本項(xiàng)目的汽車安全駕駛輔助系統(tǒng)由STM32單片機(jī)、疲勞檢測(cè)模塊、語音播報(bào)模塊、輔助測(cè)試模塊（包含小車驅(qū)動(dòng)模塊、傳感器、紅外循跡模塊、藍(lán)牙模塊、超聲波模塊等）組成。其中，以STM32單片機(jī)為核心實(shí)現(xiàn)控制，采用Adaboost算法進(jìn)行人臉檢測(cè)并通過OpenMV的瞳孔識(shí)別功能進(jìn)行實(shí)時(shí)監(jiān)測(cè)駕駛員疲勞狀態(tài)，系統(tǒng)通過判斷結(jié)果進(jìn)行語音提醒并采取相應(yīng)駕駛輔助措施，確保駕駛員駕駛安全。

根據(jù)道路交通行業(yè)調(diào)查數(shù)據(jù)統(tǒng)計(jì)顯示，疲勞駕駛在引發(fā)交通事故事件中占20%的比例，是酒駕的8倍，更占到重特大交通事故40%，在引發(fā)交通事故死亡事件中所占比例高達(dá)21%。為切實(shí)防控駕駛員疲勞駕駛等安全隱患，我們以此為出發(fā)點(diǎn)，本系統(tǒng)針對(duì)不同情況具備多方案處理功能，加上自己的創(chuàng)新，研究了一個(gè)更加完善的安全駕駛系統(tǒng)。

1 系統(tǒng)實(shí)施目標(biāo)

1.1 實(shí)施目標(biāo)

本項(xiàng)目基于單片機(jī)理論進(jìn)行疲勞駕駛的汽車安全行駛及輔助系統(tǒng)的研究，利用攝像頭Openmv進(jìn)行瞳孔識(shí)別，實(shí)現(xiàn)對(duì)駕駛員的狀態(tài)判定（是否為疲勞），并在完成自主導(dǎo)航任務(wù)時(shí)，能夠自主躲避障礙物。

1.2 系統(tǒng)組成

本汽車安全行駛輔助系統(tǒng)由STM32單片機(jī)、GPS定位模塊、疲勞檢測(cè)模塊、WIFI模塊、語音播報(bào)模塊、輔助駕駛模塊、紅外循跡模塊、藍(lán)牙模塊、傳感器等組成，其中以STM32單片機(jī)為核心實(shí)現(xiàn)控制，基本的實(shí)施目標(biāo)如圖1所示。

圖1 基本的系統(tǒng)實(shí)施框圖

（1）單片機(jī)控制：從各個(gè)模塊中獲得當(dāng)前的信息，對(duì)汽車行駛過程的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，然后對(duì)獲取的信息進(jìn)行處理，把不同編碼的信息通過藍(lán)牙通信發(fā)送給汽車，汽車接收信息的同時(shí)語音報(bào)警警示駕駛員，這樣能夠控制整個(gè)系統(tǒng)功能的正常運(yùn)行。

（2）GPS定位：使用GPS定位模塊準(zhǔn)確定位駕駛員實(shí)時(shí)行駛位置，以便于當(dāng)有突發(fā)事件發(fā)生時(shí)救援人員及時(shí)到達(dá)現(xiàn)場(chǎng)。

（3）疲勞監(jiān)測(cè)：通過寫Openmv的算法，讓其先找到人眼，然后利用find_eye函數(shù)找到瞳孔，捕捉眨眼次數(shù)，根據(jù)眼臉閉合時(shí)間占一段時(shí)間的百分比，計(jì)算出駕駛員當(dāng)前的狀態(tài)（是否疲勞）。當(dāng)接近極限時(shí)系統(tǒng)給出報(bào)警警示，同時(shí)語音報(bào)警（此時(shí)單片機(jī)開啟GPS定位，實(shí)時(shí)記錄當(dāng)前位置用于突發(fā)狀況的處理）。

（4）語音播報(bào)：本模塊主要根據(jù)單片機(jī)返回的不同信息發(fā)出語音提示，對(duì)駕駛員進(jìn)行相應(yīng)的警示，使駕駛員做出相應(yīng)的調(diào)整，做到安全駕駛。

（5）輔助駕駛：在駕駛員過度疲勞且沒有做出相應(yīng)調(diào)整的情況下自動(dòng)開啟，此時(shí)汽車開啟循跡避障功能，并開始減速行駛，實(shí)時(shí)監(jiān)測(cè)前方的路況，在汽車前方遇到障礙物時(shí)，實(shí)現(xiàn)事故預(yù)警和相應(yīng)的處理。

2 系統(tǒng)的主要內(nèi)容及其技術(shù)要點(diǎn)

2.1 人臉識(shí)別理論

人臉識(shí)別主要采用了Adaboost算法對(duì)人臉進(jìn)行檢測(cè)。Adaboost算法的基本原理是通過訓(xùn)練訓(xùn)練集,從而得到一些弱分類器；然后，再將弱分類器集合起來形成一個(gè)強(qiáng)分類器,而且這個(gè)強(qiáng)分類器具有比較強(qiáng)的分類能力；最后，通過將若千個(gè)強(qiáng)分類器級(jí)聯(lián)得到級(jí)聯(lián)分類器。用該算法實(shí)現(xiàn)人臉識(shí)別會(huì)受到許多因素的影響，主要表現(xiàn)為下面幾個(gè)方面。

2.1.1 對(duì)于圖像的預(yù)處理

先定位好人臉圖像，然后用一個(gè)矩形框?qū)z測(cè)到的人臉進(jìn)行標(biāo)記。根據(jù)人臉的面部特征進(jìn)行相應(yīng)的處理，操作如圖2所示。

圖2 人臉的面部識(shí)別

2.1.2 人眼定位

（1）膨脹處理：在圖像的邊緣添加像素值，使得整體的像素值擴(kuò)張，進(jìn)而達(dá)到圖像的膨脹效果，對(duì)邊緣圖像進(jìn)行閾值分割，之后再進(jìn)行膨脹處理。由于圓形模板的對(duì)稱性,所以應(yīng)采用圓形的結(jié)構(gòu)進(jìn)行處理。

（2）檢測(cè)邊緣：針對(duì)上圖中所框出的人眼區(qū)域,我們采用Sobe算子，對(duì)圖像進(jìn)行處理。

（3）區(qū)域連通性分析：需要進(jìn)行連通性分析來處理這個(gè)問題，我們運(yùn)用了區(qū)域生長(zhǎng)法。區(qū)域生長(zhǎng)法是從最初的區(qū)域開始,將具有相似特性的像素點(diǎn)合并到一起，直到?jīng)]有可以合并的像素點(diǎn)或者沒有可以合并的小區(qū)域?yàn)橹埂．?dāng)區(qū)域像素點(diǎn)的個(gè)數(shù)大于某值的時(shí)候,這個(gè)區(qū)域可以被認(rèn)為是人眼區(qū)域，從而可以進(jìn)行人眼定位。

2.1.3 瞳孔定位

（1）進(jìn)行區(qū)域投影：對(duì)瞳孔區(qū)域定位，我們需要采用基于RPF的方法。首先把眼睛窗口分別在垂直和水平方向上進(jìn)行均分分割，假定水平分割的個(gè)數(shù)和垂直分割的個(gè)數(shù)分別為n和m。分割以后垂直方向的高為h，水平方向的區(qū)域?qū)挾葹閣，則第i區(qū)域的垂直投影函數(shù)和第j區(qū)域的水平投影函數(shù)分別為公式(1)和公式(2)：

定位瞳孔中心：因?yàn)橥妆戎車难郯椎幕叶戎档停钥衫猛椎幕叶忍匦?，精確得到瞳孔中心的坐標(biāo)。詳細(xì)操作過程：（a）確定濾波的窗口函數(shù),完成線性濾波；（b）對(duì)區(qū)域進(jìn)行分塊，完成它的二值化；（c）進(jìn)行邊界跟蹤，從圖片的中心點(diǎn)開始獲得瞳孔范圍；（d）計(jì)算瞳孔中心點(diǎn)的坐標(biāo)，可使用重心法。

2.2 Open MV模塊（圖3）

圖3 Open MV

我們用Python語言進(jìn)行編寫，可以結(jié)合Openmv，OpenMV上有許多算法我們可以使用。比如：查尋色塊進(jìn)行人臉檢測(cè)或者眼球追蹤、邊緣的檢測(cè)，還有跟蹤標(biāo)志等算法。我們可以用這些算法結(jié)合Openmv來完成各種機(jī)器視覺所需完成的任務(wù)。

2.3 GPS模塊

GPS模塊是集成三個(gè)芯片（RF射頻芯片、基帶芯片、核心CPU），再加上相關(guān)外圍電路組成的一個(gè)集成式電路。GPS通過串行通信口進(jìn)行傳輸，不斷輸出輔助信息和定位信息，然后讓接收者選擇并應(yīng)用。它屬于低功率消耗、支持準(zhǔn)確1pps輸出信號(hào)、接軌GPS校準(zhǔn)、支持標(biāo)準(zhǔn)的NMEA-0183和SIRF二進(jìn)制協(xié)議、多路徑減緩的硬件、易于集成到的手持式設(shè)備，能夠廣泛應(yīng)用于許多系統(tǒng)。

2.4 WI-FI模塊

Wi-Fi模塊屬于物聯(lián)網(wǎng)的傳輸層，又可以叫做串口Wi-Fi模塊，它的作用是將TTL電平或者串口轉(zhuǎn)換為能夠適合無線網(wǎng)絡(luò)通信的標(biāo)準(zhǔn)嵌入式模塊，傳統(tǒng)的硬件設(shè)備嵌入的Wi-Fi模塊可以直接利用Wi-Fi接入互聯(lián)網(wǎng)，內(nèi)置TCP/IP協(xié)議棧、無線網(wǎng)絡(luò)協(xié)議IEEE802.11b.g.n協(xié)議棧，它是許多通信系統(tǒng)的重要組成部分，在本系統(tǒng)中也起重要的作用。

3 系統(tǒng)的特色與創(chuàng)新點(diǎn)

3.1 特色優(yōu)勢(shì)

（1）新穎性。目前市場(chǎng)上也有防止疲勞駕駛的車載設(shè)備，但相關(guān)的防疲勞駕駛系統(tǒng)并沒有廣泛應(yīng)用。主要原因如下：一是其中的關(guān)鍵技術(shù)并沒完全成熟，對(duì)于駕駛員的疲勞狀況的判定也各種各樣，并沒有很高的準(zhǔn)確度；二是造價(jià)昂貴，難以實(shí)現(xiàn)普遍推廣，且功能以預(yù)防疲勞為主，對(duì)于過度疲勞后駕駛員陷入睡眠的情況處理不完善。對(duì)此，我們研究了一個(gè)更加完善的安全駕駛系統(tǒng)，我們以基于單片機(jī)理論設(shè)計(jì)一個(gè)集判斷和處理于一身的完善的安全駕駛系統(tǒng)。首先，我們采用PERCLOS理論作為判斷駕駛員是否疲勞的關(guān)鍵，在對(duì)傳統(tǒng)的疲勞檢測(cè)方式上，此理論判斷的準(zhǔn)確性是最高的。其次，在攝像頭方面，我們采用了低成本并且功能強(qiáng)大的OpenMV機(jī)器視覺模塊進(jìn)行瞳孔識(shí)別，在STM32單片機(jī)上搭載安裝攝像頭或者用樹莓派搭載攝像頭，與此同時(shí)采集人臉的信息，然后調(diào)用face++的API與OpenCV對(duì)所需要照片進(jìn)行識(shí)別和對(duì)比，OpenMV會(huì)更加便捷。

（2）優(yōu)勢(shì)。相比于其他的預(yù)防疲勞解決方法，我們做到了快速和實(shí)時(shí)判斷，可以實(shí)時(shí)檢測(cè)駕駛員的狀態(tài)，并給出及時(shí)的判斷結(jié)果，并充分考慮了駕駛員的各種意外情況后，系統(tǒng)對(duì)駕駛員的駕駛情況進(jìn)行判斷來采取完善的措施，把駕駛員的生命安全放在處理原則的第一位。我們將以為切入點(diǎn)主，認(rèn)真做好標(biāo)準(zhǔn)的輔助系統(tǒng)，直到可行性等達(dá)到要求。

3.2 創(chuàng)新點(diǎn)

本項(xiàng)目在基于單片機(jī)的控制系統(tǒng)上加載的汽車安全行駛輔助系統(tǒng)，具備以下特點(diǎn)：

（1）結(jié)合STM32單片機(jī)的中心控制理論。通過運(yùn)用STM32單片機(jī)分別對(duì)汽車運(yùn)動(dòng)系統(tǒng)和檢測(cè)系統(tǒng)的單獨(dú)控制和數(shù)據(jù)處理后，做到了汽車運(yùn)動(dòng)和實(shí)時(shí)檢測(cè)的有機(jī)結(jié)合與處理。

（2）利用Open MV能夠?qū)崿F(xiàn)人眼識(shí)別。Open MV是一個(gè)功能強(qiáng)大、成本較低的模塊，有廣泛的應(yīng)用前景，我們?cè)趯W(xué)習(xí)Adaboost算法后通過PERCLOS理論作為編程判斷的核心框架，通過編寫Python算法實(shí)現(xiàn)實(shí)現(xiàn)人眼瞳孔的定位，從而達(dá)到精確檢測(cè)駕駛員的疲勞狀況。

（3）運(yùn)用GPS技術(shù)實(shí)時(shí)定位以確保行車安全。在緊急情況下，開啟自主導(dǎo)航的汽車可以實(shí)現(xiàn)避障功能和實(shí)時(shí)定位，因此具備良好的安全性。

（4）使用WIFI模塊實(shí)現(xiàn)遠(yuǎn)距離數(shù)據(jù)信息傳輸。在汽車安全行駛輔助系統(tǒng)運(yùn)行時(shí)，其具備完整的TCP/IP協(xié)議棧，能夠有效地進(jìn)行點(diǎn)對(duì)點(diǎn)數(shù)據(jù)傳輸，因此具備遠(yuǎn)距離傳輸及擁有較大的調(diào)整范圍。

（5）具有人工智能、高拓展等特點(diǎn)。Python語言具有適合人工智能開發(fā)的特點(diǎn)，可自動(dòng)對(duì)駕駛員的駕駛情況進(jìn)行判斷，可將其廣泛應(yīng)用于服務(wù)業(yè)、快遞業(yè)、運(yùn)輸業(yè)等領(lǐng)域。

4 發(fā)展趨勢(shì)

當(dāng)今物流持續(xù)增長(zhǎng)，需要強(qiáng)大的運(yùn)輸支持。對(duì)于貨車司機(jī)來說，長(zhǎng)時(shí)間的工作會(huì)很容易造成疲憊駕駛，在此情況下會(huì)導(dǎo)致高速路上的事故率增加，造成財(cái)產(chǎn)損失、人身意外，以及交通擁堵的情況。在這樣的條件下，汽車安全駕駛輔助系統(tǒng)能夠降低損失以及對(duì)駕駛?cè)藛T的安全有一定的保障，順應(yīng)了當(dāng)代汽車行業(yè)的發(fā)展。

用生物學(xué)的環(huán)境和容納量曲線來說，目前安全駕駛輔助系統(tǒng)正處于S型曲線的下端，安全駕駛輔助系統(tǒng)還處在對(duì)環(huán)境適應(yīng)的階段。在將來技術(shù)越發(fā)成熟的情況下，隨著人們對(duì)駕駛安全性要求的提高，安全駕駛輔助系統(tǒng)將會(huì)有指數(shù)型的增長(zhǎng)，并且達(dá)到一定的數(shù)量級(jí)后趨于飽和狀態(tài)。就目前而言，汽車安全駕駛輔助系統(tǒng)還存在相當(dāng)大的空間，其市場(chǎng)價(jià)值將取決于技術(shù)的成熟程度，技術(shù)發(fā)展越成熟，市場(chǎng)價(jià)值增長(zhǎng)越快。