吳敏

關(guān)鍵詞： 疲勞駕駛 預(yù)警 5G 車聯(lián)網(wǎng)

中圖分類號： TP391.41 文獻標(biāo)識碼： A 文章編號： 1672-3791（2023）15-0024-04

目前，私家車數(shù)量逐漸增多，交通事故發(fā)生率不斷上升，疲勞駕駛則是主要誘因之一。在疲勞預(yù)警方面，可采用間接與直接測量方式監(jiān)測駕駛者狀態(tài)。采取間接測量方式，可以借助機器學(xué)習(xí)等技術(shù)判斷駕駛者行為，監(jiān)測精度有限，誤判率較高。而直接測量則根據(jù)人臉特征與腦電信號等，監(jiān)測精度確實有明顯提升，但系統(tǒng)造價偏高，無法在短期內(nèi)得到普及。應(yīng)用5G 技術(shù)設(shè)計疲勞駕駛預(yù)警系統(tǒng)，能夠兼顧系統(tǒng)經(jīng)濟性與實用性，推動汽車技術(shù)智能化、數(shù)字化發(fā)展。

1 疲勞駕駛預(yù)警系統(tǒng)算法分析

設(shè)計疲勞預(yù)警系統(tǒng)，通過采集面部圖像，和正常面部狀態(tài)特征加以比較，分析駕駛者有無疲勞的問題，確認(rèn)是否需要預(yù)警。

1.1 視頻采集

在隱蔽地方布置高清攝像頭，不僅要確保有效采集駕駛者面部圖像，還應(yīng)確保不干擾駕駛員視線。設(shè)計要點如下。

1.1.1 攝像頭模塊

疲勞駕駛多是由于駕駛者長時間駕駛與夜間行駛造成的，但無論是白天還是夜間，均有可能發(fā)生疲勞駕駛。考慮到夜間自然光線較差，常規(guī)攝像設(shè)備不能清晰捕捉到其面部圖像，故決定為預(yù)警系統(tǒng)裝配紅外高清攝像頭，確保攝像設(shè)備在漆黑環(huán)境下也能正常采集到面部特征資料。

1.1.2 CCD圖像傳感裝置

該裝置屬于光電轉(zhuǎn)換器，體積與自重都比較小，圖像分辨率良好，靈敏度較高，搭配高清攝像頭實時采集信息，可以保證圖像數(shù)據(jù)采集的效率與精準(zhǔn)性。

1.1.3 攝像設(shè)備安裝位置

疲勞預(yù)警設(shè)備包括頭戴式、懸掛式等結(jié)構(gòu)，使用局限性比較明顯，檢測駕駛者疲勞狀態(tài)的過程中，容易干擾其駕駛動作，導(dǎo)致交通事故發(fā)生。把攝像頭布置在和駕駛者相距半米左右的儀表盤上方，不僅保障了隱蔽性，降低對駕駛者駕駛動作與觀察路況的影響，還能預(yù)防攝像頭對駕駛者造成的心理不適感，安裝點位較為適宜，可以完整采集到駕駛者的面部圖像[1]。

1.2 人臉識別

基于車聯(lián)網(wǎng)所開發(fā)疲勞駕駛預(yù)警系統(tǒng)，可選用AdaBoost 算法，先確定分類器，再將各模塊整合，形成完整的系統(tǒng)，使人臉識別的設(shè)想成為現(xiàn)實。系統(tǒng)包含以下分類器。

1.2.1 Haar 特征和積分圖

Haar 分類器有4 個構(gòu)成要素：Haar-like 特征負責(zé)檢測人臉圖像特征；積分圖可實現(xiàn)對采集信息的加速運算；AdaBoost 算法主要負責(zé)訓(xùn)練識別模塊；級聯(lián)的功能是對分類器進行組合，保證人臉識別效果。研究表明，積分圖具有兩大優(yōu)點：一是通過積分圖可以實時獲得圖像特征值，原因在于積分圖可以根據(jù)已知特征值、特定邏輯進行推理，無需進行多次掃描，便可以輸出新圖像中的特征；二是積分圖不會受到圖像位置的影響，圖像特征實際尺寸不會對信息運算處理時間有任何干擾。系統(tǒng)訓(xùn)練期間，要持續(xù)評估訓(xùn)練情況，若訓(xùn)練結(jié)果未能滿足設(shè)定標(biāo)準(zhǔn)，則需要繼續(xù)相應(yīng)訓(xùn)練，階段訓(xùn)練完成后，把產(chǎn)生的全部信息以臨時文件的形式保存，全部訓(xùn)練結(jié)束后，把信息轉(zhuǎn)存在XML 文件里，安排相應(yīng)測試，如果測試結(jié)果達標(biāo)，則可以進行下一環(huán)節(jié)。

1.2.2 AdaBoost 算法

使用該算法需要確認(rèn)疲勞駕駛即為訓(xùn)練目標(biāo)。由于判斷疲勞駕駛的依據(jù)為面部信息，如駕駛者雙眼是否正常睜開。因此，在系統(tǒng)訓(xùn)練時，應(yīng)針對眼部睜合情況設(shè)置訓(xùn)練周期與權(quán)重。一輪訓(xùn)練完成后，可適當(dāng)減小訓(xùn)練結(jié)束部分的權(quán)重，同時提高未結(jié)束分布器的權(quán)重，從而提高訓(xùn)練效率，確保人臉檢測過程穩(wěn)定[2]。

在通過上述訓(xùn)練后進行系統(tǒng)人臉識別功能測試，調(diào)整圖像采集角度、背景與光線亮度、面部表情。測試結(jié)果顯示，正確率和識別效率良好。根據(jù)識別時長，光線良好的檢測速度更快，可以達到預(yù)警要求。

1.3 圖像預(yù)處理

圖像光線、拍攝角度均會影響識別結(jié)果的準(zhǔn)確性，而光線是最主要的影響因素。攝像頭安裝時會選擇較適宜位置，角度趨于固定，天氣良好時，人臉識別質(zhì)量更高。但夜間車輛經(jīng)過路燈時，路燈所發(fā)出光線會反射到駕駛者面部，即便使用紅外高清設(shè)備，也無法保持圖像清晰，可能會有模糊、色差及重影等情況，如果直接針對該類圖像信息進行人臉識別，會降低實際準(zhǔn)確度。對圖像資料進行預(yù)處理，可采用以下技術(shù)。

一是Gamma 校正。用于校正圖形內(nèi)信息，保障輸出內(nèi)容的可用性。在此基礎(chǔ)上衍生出灰度校正處理方法，可以優(yōu)化圖像亮度，操作比較簡單，僅需調(diào)整參數(shù)即可。將灰度校正處理技術(shù)用于疲勞駕駛預(yù)警系統(tǒng)。如果采集圖像處于曝光的狀態(tài)，則不應(yīng)選擇灰度校正處理技術(shù)，否則會加劇圖像不清晰度。二是高斯差分濾波，可辨別人臉邊緣區(qū)域。實踐運用中，高斯差分濾波平滑及不平滑參數(shù)的差值，經(jīng)過微分處理，可對人臉輪廓進行定位。在圖像處理過程中，因為人臉本身不平整，引發(fā)光線多角度疊加，陰影分布復(fù)雜，無法直接全面提亮，導(dǎo)致陰影部分處理難度較高。運用高斯濾波器可以提前過濾掉一些低頻信號與冗余數(shù)據(jù)，緩解由于陰影引發(fā)的問題，確保人臉識別準(zhǔn)確性。此外，該技術(shù)可解決圖像過度補償?shù)膯栴}，通過控制高頻與低頻信號的方式，減少噪聲等外在條件的干擾[3]。

1.4 眼部檢測

在人臉圖像中，眼部屬于較為復(fù)雜的構(gòu)成，檢測通常分成兩步：（1）通過灰度投影處理臉部圖像、定位眼部位置，基于此進一步細分；（2）鎖定相對復(fù)雜的部分，按照人眼劃分標(biāo)準(zhǔn)，篩除人臉其他區(qū)域，余下的便是眼部。

1.4.1 利用灰度投影完成初步眼部定位

功能的實現(xiàn)依據(jù)如下：人臉每個區(qū)域特征都有差別，嘴巴與眼部等位置光線偏暗，在圖像積分法下，該類面部區(qū)域參數(shù)相對偏小，借此能提取出人眼特征。為此，需要先建立灰度投影和各區(qū)域積分值，確保系統(tǒng)能夠根據(jù)臉部寬度與各區(qū)域基本分布對應(yīng)關(guān)系，找到人眼大致位置。將灰度投影技術(shù)與圖像積分搭配使用，可以鎖定人臉不同器官所在位置，從垂直方向來看，由眉毛向下觀察，人眼積分值最低，如果由下巴向上觀察，嘴巴積分值最小。對于眼部在水平方向上的位置判斷，人臉大致是對稱的，水平變量數(shù)值設(shè)置成面部寬度一半，垂直方向則鎖定位置視為4 倍眼部高度，便可大致提取出眼部區(qū)域的圖像。

1.4.2 根據(jù)各區(qū)域復(fù)雜度實現(xiàn)眼部精準(zhǔn)定位

只有做到精準(zhǔn)定位，才能準(zhǔn)確識別眼部狀態(tài)，可運用復(fù)雜度算法，通過評估不同分區(qū)圖像復(fù)雜程度，找到眼部。正常狀態(tài)下，人類眨眼速度極快，該預(yù)警系統(tǒng)應(yīng)做到高速識別，為保證系統(tǒng)發(fā)揮出應(yīng)有作用，設(shè)計人員決定引入分塊處理法，在粗略定位的基礎(chǔ)上進行區(qū)域劃分，其中，最復(fù)雜的位置便是眼部。研究發(fā)現(xiàn)，各區(qū)域面積會給復(fù)雜度算法結(jié)果產(chǎn)生干擾，面積偏大會降低識別精準(zhǔn)性，反之則會提高運算本身的復(fù)雜性。考慮到眼部面積較小，建議把分區(qū)面積寬度尺寸設(shè)置成略小于眼睛寬度的標(biāo)準(zhǔn)，圖像高度方面，可根據(jù)眼睛在人臉上的大致分布確認(rèn)。但應(yīng)考慮人臉本身的差異，在眼部尺寸不同的情況下，無法確認(rèn)駕駛者眼睛面積，僅能通過大數(shù)據(jù)經(jīng)驗判斷。文章系統(tǒng)搭載的紅外攝像設(shè)備分塊是15×15 像素，系統(tǒng)在進行精確定位中，要按照設(shè)定分布規(guī)則完成以下操作：首先，篩選出與其他部分沒有關(guān)聯(lián)的區(qū)域；其次，將篩選出來部分合并，若候選部分達到兩個以上，優(yōu)先選擇面積較大的部分；最后，組成確認(rèn)的區(qū)域部分并計算平均值。

1.5 狀態(tài)判斷

針對眼部狀態(tài)的判斷，可通過膚色分割二值法實現(xiàn)。在該方法下，眼部圖像為黑色斑塊，外部輪廓和人眼相似[4]。在睜眼狀態(tài)下，黑塊面積相對偏大，在半閉時，黑塊會隨之縮小。在預(yù)警系統(tǒng)正式使用前，可以先保存駕駛者睜眼情況下的黑塊信息，駕駛期間系統(tǒng)不間斷采集駕駛者面部圖像，和數(shù)據(jù)庫所保存信息對比，由此判定駕駛者的駕駛狀態(tài)。在眼部狀態(tài)對比中，相關(guān)運算公式為

P = S₁/S₀（1）

式（1）中：P 為指駕駛員當(dāng)前疲勞程度；S₁為采集圖像中駕駛者眼部睜開面積；S₀為正常狀態(tài)中黑塊面積。在系統(tǒng)識別期間，疲勞程度數(shù)值處于0～0.25，說明眼睛未正常睜開，而在0.25～1.0 之間，說明眼睛處于睜開狀態(tài)。

針對疲勞程度的辨別較為復(fù)雜，本文選擇運用PERCLOS 原理和眨眼頻率實現(xiàn)。從醫(yī)學(xué)角度來說，正常狀態(tài)下，人眼眨眼頻率是10～15次/min，也就是眨眼間隔在4～5 s，并且大多數(shù)人單次眨眼大約會花費0.2 s。在評估駕駛者疲勞程度中，可以設(shè)定眨眼最小次數(shù)，但是次數(shù)上限可以適當(dāng)放寬。在確認(rèn)基本參數(shù)后，選取幾段采集到的視頻資料，對比實時信息特征表現(xiàn)與正常值的差距。通過相關(guān)測試統(tǒng)計來看，在疲勞駕駛狀態(tài)下，很難鎖定眼部虹膜位置，所以如果只依靠眨眼頻率判斷駕駛狀態(tài)，精度上可能會略有欠缺。在輕度疲勞狀態(tài)中，此時的系統(tǒng)不能及時察覺，失去預(yù)防的功能。因而，在此基礎(chǔ)上，搭配PERCLOS 原理實現(xiàn)進一步識別。應(yīng)該強調(diào)的是，為了有效發(fā)揮出預(yù)警的作用，可分級處理疲勞程度，根據(jù)數(shù)據(jù)反映實際問題，降低系統(tǒng)辨別的難度。以采集視頻分段數(shù)據(jù)進行統(tǒng)計分析，確認(rèn)駕駛者在單位時間內(nèi)眨眼頻次，最終確認(rèn)每分鐘內(nèi)。按照眨眼次數(shù)分成5 個疲勞程度，即①[0，5）、②[5，10]、③（10，15]、④（15，20]、⑤（20，∞），在單位時間內(nèi)眨眼次數(shù)處于①區(qū)間，說明是中度疲勞，系統(tǒng)技術(shù)許可的條件下，可安排車輛減速與并道，讓車輛平穩(wěn)停靠，利用車聯(lián)網(wǎng)告知交管部門。如果在②區(qū)間，則是輕度疲勞，由預(yù)警系統(tǒng)提示駕駛者并發(fā)出報警，緊急情況下可控制車輛減速。但如果眨眼次數(shù)太多，駕駛者有可能存在眼部不適，假設(shè)持續(xù)流淚，會阻礙駕駛者視線，系統(tǒng)同樣需發(fā)出警報。

2 疲勞駕駛預(yù)警系統(tǒng)硬件設(shè)計

疲勞駕駛預(yù)警系統(tǒng)運行中，通過無線網(wǎng)絡(luò)與信息采集檢測算法、嵌入式網(wǎng)關(guān)等方式，結(jié)合5G 網(wǎng)絡(luò)，實現(xiàn)數(shù)據(jù)傳輸，在硬件裝配方面，需綜合考慮成本與穩(wěn)定性、調(diào)試便利性等。

2.1 傳感設(shè)備

為避免對駕駛者產(chǎn)生干擾，選擇溫度與CO₂的傳感裝置，這兩項環(huán)境條件均是造成駕駛者疲勞的關(guān)鍵因素。汽車內(nèi)部空間較小，如果溫度超過25 ℃，可能會使駕駛員產(chǎn)生困意，影響其專注度。選用的溫度傳感裝置為“單總線”結(jié)構(gòu)設(shè)備，功耗相對偏少，且體積較小，無需額外連接元件。駕駛者需提前設(shè)置報警溫度參數(shù)區(qū)間，一旦檢測數(shù)據(jù)超出設(shè)定范圍，便可發(fā)出警報。另外，需配置CO₂傳感裝置，并選用功耗相對較低的型號。

2.2 擴展模塊

系統(tǒng)搭載擴展模塊包括3 個，分別是ZigBee 模塊、視頻采集模塊和5G 通信模塊。

2.2.1 ZigBee模塊

在車聯(lián)網(wǎng)下，ZigBee 模塊在無線網(wǎng)絡(luò)和外部網(wǎng)絡(luò)連接中起到關(guān)鍵作用，包含協(xié)議組網(wǎng)與格式轉(zhuǎn)化、通信等。在該系統(tǒng)中，按照設(shè)計功能與相關(guān)需要，選擇相應(yīng)通信模塊，在其中搭配射頻收發(fā)器以及微處理器等。以CC2530 芯片為例，其設(shè)有一處外接端口，支持發(fā)出指令與讀取信息，同時集成相應(yīng)解調(diào)器，實現(xiàn)調(diào)制多種格式信息，保障信息基本的傳送效率。將其當(dāng)成ZigBee 模塊協(xié)調(diào)器，在保障ZigBee 模塊功能有效發(fā)揮的同時，還確保網(wǎng)絡(luò)通信順暢[5]。

2.2.2 視頻采集模塊

系統(tǒng)該項功能主要依靠攝像頭，可裝載的圖像傳感裝置包括CCD 與CMOS。前者運用優(yōu)勢在于體積與自重、噪聲均比較小，目前在很多領(lǐng)域系統(tǒng)中均有使用。后者噪音偏大，圖像分辨率小，但由于其體積小、價格低，耗電量也比較少，所以在低端影像領(lǐng)域中也有應(yīng)用。疲勞駕駛預(yù)警系統(tǒng)要求可以在光線昏暗的狀態(tài)下，也能清楚采集圖像，所以需要裝配前者。系統(tǒng)微處理器本身設(shè)有USB 接口，可連接攝像頭，將采集到的圖像信息進行初步轉(zhuǎn)化，利用疲勞檢測算法判斷駕駛者當(dāng)前的狀態(tài)，并把所得數(shù)據(jù)上傳給監(jiān)控中心。

2.2.3 5G 通信模塊

現(xiàn)如今，數(shù)據(jù)通信方法較多，基本可分成有線與無線兩種。前者是在嵌入式模塊中插上網(wǎng)卡，利用網(wǎng)線完成通信。后者更加豐富，如可選用無線網(wǎng)卡與撥號上網(wǎng)等方式。目前，比較先進的移動通信技術(shù)就是5G，可其穩(wěn)定、高速地傳送實時采集的圖像數(shù)據(jù)。在路上行駛期間，如果駕駛者出現(xiàn)疲勞駕駛的特征表現(xiàn)，系統(tǒng)會把車輛基本資料、當(dāng)前位置及時速等，借助5G車聯(lián)網(wǎng)發(fā)送給附近車輛，確保其他駕駛者能夠了解身邊存在的危險點，留出足夠時間讓其他汽車做好緊急準(zhǔn)備，預(yù)防嚴(yán)重交通事故。在該系統(tǒng)中，選擇5G 通信模塊，通過蜂窩車聯(lián)網(wǎng)，依托于PC5 接口，實現(xiàn)V2V 通信，汽車用戶信息收發(fā)主要是半雙工數(shù)據(jù)狀態(tài)。其中，發(fā)出用戶借助廣播機制，由副鏈路把車聯(lián)網(wǎng)所需數(shù)據(jù)傳送給設(shè)定半徑內(nèi)若干用戶，如此不僅可以對存在疲勞駕駛的駕駛者起到預(yù)警作用，還能保障周邊車輛提前收到信息，實現(xiàn)全面互聯(lián)，最大程度上確保交通安全。

3 疲勞駕駛預(yù)警系統(tǒng)功能

3.1 多角度動態(tài)監(jiān)測駕駛者狀態(tài)

傳統(tǒng)預(yù)警系統(tǒng)分為兩種：一是利用傳感裝置獲取汽車車速、轉(zhuǎn)向盤角速度等各類數(shù)據(jù)，以此判斷駕駛者當(dāng)時狀態(tài)；二是讓駕駛者佩戴有關(guān)儀器，檢測腦電與心電信號，評估其當(dāng)前狀態(tài)。以上兩種預(yù)警系統(tǒng)中，前者監(jiān)測精度有限，誤判率較高；后者監(jiān)測精度較高，但由于駕駛者需要佩戴多余設(shè)備，可能會對其駕駛狀態(tài)與觀察路況動作造成干擾。系統(tǒng)根據(jù)人眼狀態(tài)、內(nèi)部環(huán)境、眨眼頻次進行判斷，既能夠保證較高的監(jiān)測精度，又不會對駕駛員帶來額外的干擾[6]。

3.2 分級判斷駕駛者疲勞程度

結(jié)合上文對該系統(tǒng)的討論，選擇分級判斷的方式，根據(jù)駕駛者實際疲勞狀態(tài)，啟動相適應(yīng)的報警措施，降低由于系統(tǒng)誤判，干擾到正常駕駛。若通過傳感設(shè)備確認(rèn)車內(nèi)CO2超標(biāo)，可以立即提醒車內(nèi)人員開窗通風(fēng)，預(yù)防駕駛者產(chǎn)生困意。假設(shè)駕駛者目前處于輕度疲勞狀態(tài)中，系統(tǒng)便會預(yù)警報警，同時發(fā)出短促蜂鳴聲，車輛一定半徑內(nèi)的其他汽車均會收到報警信號。如果是重度疲勞，系統(tǒng)在語音報警的過程中，發(fā)出連續(xù)蜂鳴聲，通過車聯(lián)網(wǎng)告知交管部門。

4 結(jié)語

總之，將低延時、吞吐量大的5G 技術(shù)與車聯(lián)網(wǎng)結(jié)合，可以為現(xiàn)代交通管理提供更大的便利?；谝陨霞夹g(shù)所開發(fā)疲勞駕駛預(yù)警系統(tǒng)裝載有多個功能模塊，可以有效采集與處理駕駛者面部圖像，通過眼睛閉合狀態(tài)，判斷是否存在疲勞駕駛的情況，并通過車聯(lián)網(wǎng)實現(xiàn)數(shù)據(jù)實時共享，加強對交通事故的預(yù)判能力，降低事故發(fā)生率。