鄭永濤，謝偉豪，陳逸群，何俊陽

（廣東工業(yè)大學(xué)華立學(xué)院，廣東廣州 511325）

縱觀道路交通上發(fā)生的交通事故，由駕駛員疲勞駕駛造成的交通事故不容小覷。而對于疲勞駕駛，一方面駕駛員自身很難發(fā)覺，另一方面即便發(fā)現(xiàn)了也不會引起駕駛員的重視[1-2]。為此，該文從駕駛員疲勞駕駛直觀表現(xiàn)出來的現(xiàn)象出發(fā)，如駕駛過程中出現(xiàn)的連續(xù)打哈欠、犯困閉眼以及打盹等[3]，設(shè)計了一款基于OpenCV 的駕駛員疲勞特征識別系統(tǒng)，通過計算機視覺處理技術(shù)，綜合分析判斷駕駛員當前的駕駛狀態(tài)，發(fā)出語音警告，提醒駕駛員并引起駕駛員的重視。

1 系統(tǒng)總體設(shè)計

該系統(tǒng)設(shè)計以樹莓派4B 為核心主控制板，結(jié)合外接攝像頭采集圖像信息，完成圖像信息處理工作，并驅(qū)動語音警告系統(tǒng)實現(xiàn)提醒，在顯示屏模塊上顯示當前的圖像采集結(jié)果，方便圖像分析及程序調(diào)試[4]。該系統(tǒng)由信息處理系統(tǒng)、信息采集系統(tǒng)、警告提醒系統(tǒng)、顯示系統(tǒng)組成，系統(tǒng)結(jié)構(gòu)整體設(shè)計框圖如圖1 所示。

圖1 系統(tǒng)結(jié)構(gòu)整體設(shè)計框圖

2 系統(tǒng)硬件設(shè)計

2.1 樹莓派主控板

為了更好地實現(xiàn)視覺處理，該系統(tǒng)設(shè)計采用樹莓派4B 為主控制板。該主控制板是一款迷你式電腦，具備與其他微控制器（如51 單片機和STM32）相同的IO 引腳之外，還搭載1.5 GHz 的64 位四核處理器、8 GB 的內(nèi)存、雙頻WiFi 和藍牙5.0，兩個micro-HDMI 端口控制分辨率高達4K 的雙顯示屏，四個USB 接口，其中有兩個數(shù)據(jù)傳輸速率可達5 Gbit/s 的USB3.0。將內(nèi)部環(huán)境配置好，以便燒錄代碼使用[5]。

2.2 攝像頭信息采集

攝像頭模塊采用USB 接口的CMOS 攝像頭，一方面考慮到主控制板上有四個USB 接口，并且相比主控制板上CSI 專用攝像頭接口來說，USB 接口在拔插使用過程中更為方便。而且在PC 平臺上進行系統(tǒng)程序開發(fā)調(diào)試過程中，USB 攝像頭也可直接在PC平臺上使用[6]；另一方面CMOS 型攝像頭相比CCD 型攝像頭，具有低成本、低耗能、圖像信息采集快、結(jié)構(gòu)簡單等優(yōu)勢。綜上，攝像頭模塊采用30 萬像素?zé)o畸變60 FPS CMOS OV7725 感光片攝像頭，兼容Linux系統(tǒng)、免驅(qū)動、640×480 像素、均支持自動曝光、白平衡及增益。

2.3 語音警告提醒

當檢測到駕駛員處于疲勞駕駛狀態(tài)時，系統(tǒng)會發(fā)出相應(yīng)的語音警告，起到提醒作用。由于樹莓派的強大功能，外部硬件不需再接其他語音模塊，只需利用樹莓派自帶的藍牙5.0 與汽車內(nèi)藍牙配對連接或用3.5 mm 音頻接口外接揚聲器即可。先用設(shè)備錄制一句“您已疲勞駕駛，請停車休息。”的wav 格式語音保存在樹莓派中，當系統(tǒng)判斷出疲勞駕駛時再調(diào)用該語音進行播放[7]。

2.4 顯示屏模塊

顯示屏主要便于系統(tǒng)程序開發(fā)調(diào)試及觀察系統(tǒng)檢測識別情況，采用7 寸的分辨率為1 024×600 像素的顯示屏與樹莓派4B 兼容，再連接micro-HDMI接口。

3 系統(tǒng)軟件設(shè)計

3.1 系統(tǒng)軟件整體設(shè)計思路

系統(tǒng)開發(fā)除了搭建好相應(yīng)的硬件外，還要配置好相應(yīng)的環(huán)境來開發(fā)程序。該系統(tǒng)程序開發(fā)主要以raspbian 作為樹莓派的操作系統(tǒng)，Python 作為開發(fā)語言，調(diào)用OpenCV 庫與Dlib 庫分別進行圖像預(yù)處理和圖像特征提取，再經(jīng)過分析計算后進行疲勞狀態(tài)的判斷，并作出語音警告。系統(tǒng)軟件整體設(shè)計流程圖如圖2 所示。

圖2 系統(tǒng)軟件整體設(shè)計流程圖

3.2 基于OpenCV的圖像預(yù)處理

系統(tǒng)通過攝像頭實時獲取駕駛員的圖像，在采集過程中圖像會受到駕駛室內(nèi)等各種因素的影響，需要對圖像進行預(yù)處理。OpenCV 擁有豐富的視覺處理算法，可以調(diào)用cvtColor 函數(shù)，對圖像進行灰度化、對cvSmooth 函數(shù)進行平滑處理、對cvEqualizeHist函數(shù)進行直方圖均衡化，對GaussianBlur 進行高斯濾波[8-9]。處理過程如圖3 所示。

圖3 OpenCV圖像預(yù)處理過程

3.3 基于Dlib的圖像特征提取

對于人臉檢測，Dlib 的檢測速度比OpenCV 的慢一些，但是其檢測精度比OpenCV 的高，而且擁有更多的人臉識別模型庫[10]。因此，該系統(tǒng)采用Dlib 庫，分 別調(diào)用dlib.get_frontal_face_detector 和dlib.shape_predictor 函數(shù)來實現(xiàn)圖像人臉檢測及圖像人臉特征提取，利用shape_predictor_68_face_landmarks.dat 開源模型對人臉模型進行處理，獲取68 個特征點的位置坐標[11-12]，為接下來眼動、嘴型和頭部姿態(tài)關(guān)鍵點的提取做好準備。

3.3.1 眼部疲勞特征及判定

在68 個人臉特征點中，37～42 被標志為左眼，43～48 被標志為右眼。以左眼為例，通過式（1）計算眼睛縱橫比EAR 值來檢測眨眼與合眼。

在眼部訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)，睜眼時EAR 值會在固定的區(qū)域波動，合眼時EAR 值趨于零。因此，設(shè)置當EAR≤0.2 時，視眼睛處于眨眼、合眼狀態(tài)[13]。為避免由于光線等因素刺激眼睛導(dǎo)致眨眼進而出現(xiàn)誤判，以連續(xù)3 幀眼部圖像EAR≤0.2 視為眨眼、合眼一次；若以合眼超過2 s視為疲勞狀態(tài)，那么當系統(tǒng)檢測連續(xù)合眼13 次（以系統(tǒng)處理一幀圖像時間約為50 ms計算）便發(fā)出疲勞語音警告。眼部疲勞判定流程圖如圖4 所示。

圖4 眼部疲勞判定流程圖

3.3.2 嘴部疲勞特征及判定

疲勞狀態(tài)除了會合眼外，打哈欠也是最明顯的特征之一。根據(jù)被49～68 標志的嘴型，用式（2）計算嘴巴縱橫比MAR 值來檢測張嘴。

與眼部訓(xùn)練數(shù)據(jù)相似，嘴部訓(xùn)練數(shù)據(jù)時，在打哈欠狀態(tài)下，嘴部張開明顯，因此，可以設(shè)置當MAR≥0.8時，嘴巴處于張開狀態(tài)[14]。為了避免駕駛員說話等情況導(dǎo)致張嘴出現(xiàn)誤判，同樣以連續(xù)3 幀嘴部圖像MAR≥0.8 視為張嘴一次，如果連續(xù)張嘴13 次則視為一次深度哈欠，當1 min 內(nèi)累計3 次深度哈欠，便發(fā)出疲勞語音警告。嘴部疲勞判定流程圖如圖5所示。

圖5 嘴部疲勞判定流程圖

3.3.3 頭部姿態(tài)疲勞特征及判定

打盹表現(xiàn)在疲勞駕駛過程中頭部傾斜、低頭等姿勢進入短暫的睡眠狀態(tài)，因此，該系統(tǒng)以低頭姿態(tài)作為疲勞檢測點，以低頭持續(xù)時間作為疲勞判定。首先由68 個人臉特征點標志的二維數(shù)字圖像通過3DMM(3D Morphable Model)匹配出三維空間立體頭部模型，調(diào)用OpenCV 中的solvePnp()函數(shù)獲得旋轉(zhuǎn)矩陣，最后將旋轉(zhuǎn)矩陣轉(zhuǎn)換成歐拉角，即頭部姿勢的仰俯角Pitch[15-16]。當Pitch≤10 時，視頭部姿勢為低頭狀態(tài)，為避免駕駛員看車載儀表盤等導(dǎo)致低頭出現(xiàn)誤判，同樣以連續(xù)3 幀頭部圖像Pitch≤10 視為低頭一次，如果連續(xù)低頭13 次則視為一次犯困點頭。當1 min 內(nèi)累計3 次犯困點頭，便發(fā)出疲勞語音警告。頭部姿勢疲勞判定流程圖如圖6 所示。

圖6 頭部姿勢疲勞判定流程圖

4 系統(tǒng)調(diào)試

將在PC 平臺上開發(fā)好的程序移植到樹莓派中，把攝像頭、樹莓派、顯示屏及揚聲器搭建好后安裝在汽車駕駛室內(nèi)，安裝位置如圖7 所示。

圖7 安裝調(diào)試系統(tǒng)

系統(tǒng)調(diào)試結(jié)果表明，在調(diào)整好攝像頭的角度及設(shè)置好對應(yīng)的閾值后，從顯示屏上調(diào)出識別界面，受試者坐在主駕駛位，分別模擬犯困合眼、打哈欠及困意點頭的動作，系統(tǒng)均能有效識別出疲勞駕駛狀態(tài)，在顯示屏上能夠觀察出相關(guān)參數(shù)的變化，揚聲器能發(fā)出語音警告。該識別系統(tǒng)整體運行正常。

5 結(jié)論

基于OpenCV 的駕駛員疲勞特征識別系統(tǒng)主要以樹莓派為數(shù)據(jù)信息處理核心，通過攝像頭對駕駛員進行實時監(jiān)測，獲得圖像信息，聯(lián)合OpenCV 庫和Dlib 庫分別對圖像預(yù)處理和人臉特征進行提取。通過提取駕駛員眼部、嘴部和頭部姿勢疲勞特征，即犯困下合眼、打哈欠、點頭，以此綜合分析判斷駕駛員的駕駛狀態(tài)，對疲勞駕駛狀態(tài)進行預(yù)警告。該系統(tǒng)設(shè)計簡單、成本低、易于安裝和操作，系統(tǒng)運行良好，基本能實現(xiàn)預(yù)期目標，具有一定的實用價值。