張貝寧，郜健銘，王靖涵，張 敬，頓媛雅，許留洋

（周口師范學(xué)院，河南 周口）

疲勞駕駛是誘發(fā)交通事故的重要因素，如果能夠在駕駛員出現(xiàn)駕駛疲勞時(shí)準(zhǔn)確檢測(cè)并進(jìn)行語(yǔ)音提醒，可以幫助駕駛員集中注意力，從而降低交通事故的發(fā)生率?；跈C(jī)器視覺(jué)的駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)，利用車內(nèi)攝像頭實(shí)時(shí)采集駕駛員的頭部圖像信息，并通過(guò)人臉檢測(cè)算法對(duì)駕駛員的眼睛狀態(tài)進(jìn)行識(shí)別，通過(guò)算法計(jì)算出是否處于疲勞狀態(tài)。當(dāng)判定為疲勞駕駛時(shí)，通過(guò)語(yǔ)音提示駕駛員及時(shí)休息，切實(shí)保障了行車安全。

1 駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)的硬件設(shè)計(jì)

1.1 系統(tǒng)的硬件結(jié)構(gòu)

該系統(tǒng)對(duì)圖像處理速度要求較高，為滿足系統(tǒng)的實(shí)時(shí)性要求采用了TMS320C6748 型DSP 芯片，該芯片能減少卷積運(yùn)算和信號(hào)濾波的時(shí)間，顯著提高了數(shù)字信號(hào)的運(yùn)算速率，滿足了實(shí)時(shí)檢測(cè)的需求。從組成架構(gòu)上來(lái)看，駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)主要由圖像采集、圖像存儲(chǔ)和圖像處理3 個(gè)核心模塊構(gòu)成，除此之外還有配套的電源模塊、語(yǔ)音報(bào)警模塊等，硬件的整體架構(gòu)見(jiàn)圖1。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖

圖像采集模塊的核心設(shè)備是前端攝像頭，用于收集汽車駕駛員的圖像信息，將收集信息進(jìn)行A/D 轉(zhuǎn)換后利用VPIF 接口輸入到DSP 芯片中。CPU 對(duì)轉(zhuǎn)換后的信息進(jìn)行處理，利用EDMA 控制器將處理后的結(jié)果傳輸至存儲(chǔ)器中。根據(jù)分析結(jié)果，如果系統(tǒng)判定駕駛員存在危險(xiǎn)駕駛行為，則利用McASP 音頻輸出接口控制報(bào)警器發(fā)出警報(bào)，提醒駕駛員。

1.2 圖像采集模塊設(shè)計(jì)

該模塊的主要作用是采集駕駛員的實(shí)時(shí)圖像，因此對(duì)攝像頭的像素、靈敏度、動(dòng)態(tài)范圍等參數(shù)有較高的要求。本系統(tǒng)選用帶圖像傳感器的MT9V034 型攝像頭，輸出圖像的像素為760×500，最大時(shí)鐘頻率30 MHz，在光線較暗的環(huán)境下也能清晰成像。在確定攝像頭的型號(hào)與參數(shù)后，還要尋找合適的安裝位置。為了拍攝到完整的駕駛員頭部圖像，將攝像頭放置在駕駛員前方35～40 cm 處，仰角為60～70°，攝像頭焦距在15～18 mm 之間。

1.3 處理器的選擇

處理器的性能決定了駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)的應(yīng)用效果，本系統(tǒng)的處理器（CPU）選擇TI 公司生產(chǎn)的TMS320C6478 芯片，該芯片擁有C674X 內(nèi)核結(jié)構(gòu)，內(nèi)置64 個(gè)32 位的通用寄存器，支持C674x 系列指令集和C++語(yǔ)言，降低了系統(tǒng)的開(kāi)發(fā)難度。提供VPIF 視頻接口和McSAP 語(yǔ)音接口，提高了圖像、語(yǔ)音、視頻等多種類型信息的傳輸能力。配備的EMDA 增強(qiáng)型訪問(wèn)控制器，對(duì)提高系統(tǒng)的整體運(yùn)行效能有積極幫助[1]。

1.4 語(yǔ)音報(bào)警模塊設(shè)計(jì)

在系統(tǒng)檢測(cè)到駕駛員處于疲勞駕駛狀態(tài)時(shí)，播報(bào)警示語(yǔ)音提醒駕駛員集中注意力或盡快停車休息。該模塊的核心硬件是TLV320AIC3106 音頻芯片，共有3個(gè)I/O 口。其中2 個(gè)為音頻輸入口，分別是音頻模擬輸入口、麥克風(fēng)輸入口；1 個(gè)音頻模擬輸出口。在系統(tǒng)啟動(dòng)運(yùn)行后，把報(bào)警語(yǔ)音文件通過(guò)音頻模擬輸入口傳輸?shù)叫酒校⒗脙?nèi)置的A/D 轉(zhuǎn)換模塊將音頻信號(hào)變成電信號(hào)。當(dāng)系統(tǒng)檢測(cè)到駕駛員處于疲勞駕駛狀態(tài)后，觸發(fā)語(yǔ)音報(bào)警功能。此時(shí)音頻芯片控制音頻模擬輸出口工作，再重新將電信號(hào)轉(zhuǎn)變?yōu)樯硇男盘?hào)，利用外置揚(yáng)聲器播報(bào)語(yǔ)音。

2 駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)的軟件設(shè)計(jì)

2.1 系統(tǒng)的軟件結(jié)構(gòu)

本文設(shè)計(jì)的駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)，軟件部分主要由圖像采集、圖像預(yù)處理、人臉檢測(cè)和危險(xiǎn)駕駛判定等核心模塊構(gòu)成，軟件結(jié)構(gòu)見(jiàn)圖2。

圖2 系統(tǒng)軟件結(jié)構(gòu)圖

在硬件初始化后，軟件部分同步運(yùn)行，圖像采集模塊收集駕駛員的圖像，并執(zhí)行一個(gè)判斷程序“是否成功獲取一幀圖像？”如果判定結(jié)果為“否”，則返回初始化程序，重新采集圖像信息；在判定結(jié)果為“是”后，進(jìn)入圖像預(yù)處理環(huán)節(jié)。預(yù)處理后的圖像有兩種用途，一種是進(jìn)行人臉檢測(cè)，通過(guò)人眼定位、提取眼睛閉合度、計(jì)算Perclos 值等一系列處理后，完成危險(xiǎn)駕駛的判定；另一種是用于分心駕駛判定。如果有疲勞駕駛和分心駕駛行為，則進(jìn)行語(yǔ)音告警。

2.2 基于視覺(jué)特征的疲勞駕駛檢測(cè)

2.2.1 圖像預(yù)處理

在汽車行駛過(guò)程中，由于外界光線的變化以及車輛或攝像頭的抖動(dòng)等原因，采集到的圖像可能會(huì)出現(xiàn)噪聲、失真等情況，導(dǎo)致圖像的清晰度變差，影響檢測(cè)結(jié)果的準(zhǔn)確性。為了避免此類問(wèn)題，在設(shè)計(jì)駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)的軟件時(shí)，加入了圖像預(yù)處理模塊，具體方法有兩種：

其一是圖像濾波法，已知圖像的能量主要分布于幅度譜的中低頻段，噪聲主要分布于高頻段，通過(guò)圖像濾波有助于降低高頻成分幅度，達(dá)到去除噪聲的效果。同時(shí)，圖像濾波還能盡可能地保留圖像的細(xì)節(jié)特征，不影響圖像本身的精度。其二是光照補(bǔ)償法，主要是解決因?yàn)楣庹者^(guò)強(qiáng)或過(guò)暗引起的圖像失真問(wèn)題[2]。目前常用的補(bǔ)償算法是直方圖均衡法，計(jì)算待處理圖像的灰度分布直方圖，然后通過(guò)非線性變換讓圖像中的像素值重新排列，讓像素從集中分布變?yōu)榫鶆蚍植?，達(dá)到光照補(bǔ)償效果。

2.2.2 人臉檢測(cè)

對(duì)于預(yù)處理完畢后的圖像，使用AdaBoost 算法做進(jìn)一步分析，提取特征并檢測(cè)圖像中的人臉。人臉檢測(cè)的實(shí)現(xiàn)大體可分為兩個(gè)步驟，即分類器訓(xùn)練和圖像檢測(cè)，流程見(jiàn)圖3。

圖3 人臉檢測(cè)流程圖

樣本質(zhì)量在一定程度上決定了分類器對(duì)人臉的識(shí)別準(zhǔn)確度，為此必須提供足夠多的樣本圖像數(shù)據(jù)進(jìn)行分類器的訓(xùn)練[3]。在選擇樣本時(shí)，收集10 000 張人臉圖像作為正樣本集，同時(shí)收集6 000 張非人臉圖像（如動(dòng)物、汽車、風(fēng)景等）作為負(fù)樣本集。利用正負(fù)樣本集訓(xùn)練分類器。利用Haar-like 特征構(gòu)建弱分類器，其數(shù)學(xué)模型為：

上式中，x 表示子窗口圖像，f（x）表示圖像的Haar-like特征值，p 表示不等號(hào)的方向，θ 表示閾值。如果Haar-like 特征值在閾值內(nèi)，則輸出結(jié)果為“1”，表示圖像為人臉；反之，如果Haar-like 特征值不再閾值內(nèi)，則輸出結(jié)果為“0”，表示圖像為非人臉，由此實(shí)現(xiàn)人臉檢測(cè)。按照上述方法對(duì)分類器進(jìn)行500 次迭代訓(xùn)練。執(zhí)行一個(gè)判斷程序“是否達(dá)到迭代次數(shù)？”，在迭代次數(shù)達(dá)到500 次后完成訓(xùn)練，將結(jié)果保存為XML 文件，并利用訓(xùn)練好的分類器進(jìn)行人臉檢測(cè)。

2.2.3 疲勞駕駛判定

當(dāng)駕駛員長(zhǎng)期駕駛并出現(xiàn)駕駛疲勞時(shí)，會(huì)出現(xiàn)眨眼頻率升高、眼睛閉合速度變慢、閉眼時(shí)間過(guò)長(zhǎng)等生理特征[4]。基于機(jī)器視覺(jué)的疲勞駕駛檢測(cè)就是在識(shí)別人臉的前提下，對(duì)人眼的狀態(tài)進(jìn)行識(shí)別，從而利用相關(guān)參數(shù)判斷駕駛員是否處于疲勞狀態(tài)。本文采用了以統(tǒng)計(jì)像素值為基礎(chǔ)的計(jì)算眼睛張開(kāi)度的方法，計(jì)算公式如下：

上式中，H（i）表示第i 幀圖像中眼睛的睜開(kāi)度，Hm×1/2 表示判斷眼睛睜閉的閾值。如果f（i）為0，表示眼睛閉合；如果f（i）為1，表示眼睛睜開(kāi)。

在識(shí)別眼睛狀態(tài)的基礎(chǔ)上，還要提取疲勞參數(shù)、進(jìn)行疲勞判定?，F(xiàn)階段常用的疲勞參數(shù)提取方法有兩種類型，分別是基于脈搏、心率的生理參數(shù)法和基于眨眼頻率、眼睛閉合時(shí)間的視覺(jué)特征參數(shù)法，本文選擇后一種方法，并將單位時(shí)間內(nèi)眼睛閉合時(shí)間百分比（Perclos）作為判定指標(biāo)[5]。Perclos 與疲勞程度的映射關(guān)系如圖4 所示。

圖4 Perclos 與疲勞程度的關(guān)系曲線

由圖4 可知，Perclos值越高，說(shuō)明疲勞程度越高，該值可通過(guò)以下公式求得：

上式中，M 表示60 s 內(nèi)眼睛閉合圖像的幀數(shù)，m 表示60 s 內(nèi)系統(tǒng)采集到的圖像總幀數(shù)。

3 駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)的實(shí)驗(yàn)探究

3.1 系統(tǒng)開(kāi)發(fā)平臺(tái)

本系統(tǒng)的硬件部分包括TMS320C6748 芯片、MT9V034 攝像頭、LCD 顯示屏，以及1 臺(tái)GYX1060 計(jì)算機(jī)；軟件部分使用Matlab2018 進(jìn)行系統(tǒng)開(kāi)發(fā)，使用OpenCV 數(shù)據(jù)庫(kù)，運(yùn)行系統(tǒng)為DSP/BIOS。收集1 000張（700 張為人臉、300 張為非人臉）圖像和50 段視頻進(jìn)行檢測(cè)。

3.2 系統(tǒng)實(shí)驗(yàn)結(jié)果

3.2.1 人臉檢測(cè)結(jié)果

將1 000 張圖像輸入到駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)中，測(cè)試人臉檢測(cè)準(zhǔn)確率，結(jié)果見(jiàn)表1。

表1 人臉檢測(cè)分類器測(cè)試結(jié)果

由表1 數(shù)據(jù)可知，對(duì)于非正面人臉、多人臉和有遮擋的圖像，分類器的檢測(cè)準(zhǔn)確率較高，基本維持在90%以上；而光照過(guò)強(qiáng)或過(guò)暗的圖像，檢測(cè)準(zhǔn)確率相對(duì)較低，這表明光線強(qiáng)弱是影響人臉檢測(cè)準(zhǔn)確率的核心因素。

3.2.2 疲勞駕駛判定結(jié)果

將50 段駕駛員的駕車視頻（時(shí)長(zhǎng)40～100 s）作為檢測(cè)樣本，利用該系統(tǒng)進(jìn)行疲勞判定，結(jié)果見(jiàn)表2。

表2 疲勞駕駛判定結(jié)果

參與檢測(cè)的50 段視頻中，有43 段視頻的疲勞判定結(jié)果準(zhǔn)確，準(zhǔn)確率為86%；其他7 段視頻中，有5 組屬于正常駕駛，系統(tǒng)判定結(jié)果為輕度疲勞，這意味著在系統(tǒng)設(shè)計(jì)時(shí)需要適當(dāng)提高疲勞駕駛的判定閾值。

結(jié)束語(yǔ)

基于機(jī)器視覺(jué)的駕駛員危險(xiǎn)駕駛檢測(cè)系統(tǒng)以前端攝像頭提供的圖像作為分析對(duì)象，檢測(cè)到人臉后提取眼部參數(shù)，然后求解Perclos 值，進(jìn)而推測(cè)出駕駛員的駕駛狀態(tài)。如果判定為疲勞駕駛則進(jìn)行語(yǔ)音提示，使駕駛員集中注意力。該系統(tǒng)判定結(jié)果的準(zhǔn)確率可以達(dá)到86%，應(yīng)用效果符合設(shè)計(jì)預(yù)期。