摘要：為解決道路上電動摩托車騎行人員頭盔佩戴檢測能力缺失的問題，設(shè)計(jì)了一種基于北斗技術(shù)的電動摩托車駕駛員頭盔佩戴識別系統(tǒng)，利用北斗技術(shù)提供的高精度位置信息，結(jié)合基于谷歌的pytorch深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圖像識別技術(shù)，采用YOLOv5檢測平臺，檢測機(jī)動車駕駛者有無佩戴安全頭盔，進(jìn)行提醒并處理，實(shí)現(xiàn)對機(jī)動車駕駛員頭盔佩戴情況的實(shí)時(shí)監(jiān)測與識別，實(shí)時(shí)輸出違規(guī)操作的數(shù)據(jù)報(bào)告，解決人為巡檢時(shí)效性差、數(shù)據(jù)不精確的問題。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有較高的識別準(zhǔn)確率和實(shí)時(shí)性，為非機(jī)動車騎行人員頭盔佩戴的自動化識別提供了一個(gè)可行的途徑，具有較好的應(yīng)用前景。

關(guān)鍵詞：北斗模塊；頭盔識別系統(tǒng)；實(shí)時(shí)監(jiān)測；語音播報(bào)

中圖分類號：U462 收稿日期：2024-08-15

DOI：1019999/jcnki1004-0226202410029

1 前言

隨著城市化進(jìn)程的加速和交通工具的多樣化，電動摩托車作為一種便捷、經(jīng)濟(jì)的交通工具，在城市交通中扮演著越來越重要的角色。電動摩托車在摔倒和發(fā)生碰撞時(shí)，頭部是最脆弱、最容易導(dǎo)致人死亡的部位，頭盔可以有效地保護(hù)頭部，有效地降低事故發(fā)生受到的危險(xiǎn)，還可以減少空氣的阻力。

公安部交管局要求，駕駛電動自行車必須要戴頭盔，但也有很多駕駛者由于各種原因未佩戴安全頭盔。目前主要通過執(zhí)法人員來巡檢電動自行車騎乘人員頭盔是否佩戴，雖有一定的安全管理效果，但也存在工作效率較低、數(shù)據(jù)不準(zhǔn)確的問題[1]。而且依靠人工，執(zhí)法成本高且存在漏檢等情況，因此實(shí)現(xiàn)對電動摩托車駕駛員頭盔佩戴情況的實(shí)時(shí)監(jiān)測與識別，實(shí)時(shí)輸出違規(guī)操作的數(shù)據(jù)報(bào)告成為亟待解決的問題。

2 基于北斗技術(shù)的電動摩托車頭盔識別系統(tǒng)研究

2.1 系統(tǒng)工作原理

本文提供一種基于北斗技術(shù)的電動摩托車頭盔識別系統(tǒng)，該系統(tǒng)融合了衛(wèi)星導(dǎo)航和頭盔佩戴識別技術(shù)，不僅利用北斗衛(wèi)星導(dǎo)航系統(tǒng)提供的位置信息，還結(jié)合頭盔佩戴識別技術(shù)，以確保電動摩托車駕駛員的安全和規(guī)范性。該系統(tǒng)與電動摩托車的啟動系統(tǒng)連接在一起，在摩托車啟動時(shí)，通過語音警告，提醒駕駛者規(guī)范佩戴安全帽，該裝置還可以自動檢測騎乘人員是否正確佩戴了頭盔，同時(shí)具備與車輛、手機(jī)以及其他終端通信的功能。如果駕駛者一意孤行，檢測系統(tǒng)在語音警告提醒的同時(shí)，也可將該信號短信通知家人或者反饋給周圍交警，交警接到信號以后將駕駛者攔下來，從而規(guī)范機(jī)動車駕駛者的頭盔佩戴行為，為保障騎乘人員安全和提升道路安全暢通起到很好的保障作用。

2.2 系統(tǒng)基本構(gòu)成

如圖1所示，基于北斗技術(shù)的電動摩托車頭盔識別系統(tǒng)主要由以下模塊組成：

a.北斗衛(wèi)星導(dǎo)航模塊。通過將北斗芯片或模塊集成到電動摩托車中，接收北斗衛(wèi)星信號，實(shí)時(shí)傳輸位置數(shù)據(jù)，提供準(zhǔn)確的位置、速度和時(shí)間信息。

b.頭盔檢測模塊?；趫D像處理和模式識別算法，圖像識別模塊則通過選擇高清、低延遲的攝像頭，用于捕捉電動摩托車駕駛員的實(shí)時(shí)圖像，并利用圖像識別算法進(jìn)行分析和處理，實(shí)現(xiàn)對頭盔佩戴情況的自動識別和判斷。

c.通信模塊主要完成數(shù)據(jù)傳輸與處理，處理來自BDS模塊和頭盔佩戴識別模塊的數(shù)據(jù)，將頭盔佩戴狀態(tài)與位置信息結(jié)合，生成綜合數(shù)據(jù)。通過無線通信網(wǎng)絡(luò)（如4G/5G、Wi-Fi等）將數(shù)據(jù)傳輸?shù)奖O(jiān)控中心或云端服務(wù)器。

d.終端平臺是通過手機(jī)小程序界面實(shí)時(shí)顯示頭盔佩戴狀態(tài)、實(shí)時(shí)定位以及運(yùn)行軌跡的讀取。

2.3 系統(tǒng)算法設(shè)計(jì)

項(xiàng)目采用基于谷歌的pytorch深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)為識別系統(tǒng)，深度學(xué)習(xí)技術(shù)可以自動學(xué)習(xí)和提取圖像中的特征，以高準(zhǔn)確度識別駕駛員是否佩戴頭盔。目標(biāo)檢測采用YOLOv5檢測平臺[2]，用來檢測電動摩托車駕駛者有無佩戴安全頭盔的問題，并進(jìn)行未佩戴提醒以及定位、信息上傳等工作。

a.數(shù)據(jù)集構(gòu)建。收集大量電動摩托車駕駛員佩戴和未佩戴頭盔的圖像數(shù)據(jù)，通過對大量頭盔圖像的學(xué)習(xí)，構(gòu)建訓(xùn)練數(shù)據(jù)集。

b.模型訓(xùn)練。使用深度學(xué)習(xí)框架（pytorch）和訓(xùn)練數(shù)據(jù)集訓(xùn)練目標(biāo)檢測模型，用于快速準(zhǔn)確地識別頭盔佩戴情況。

c.實(shí)時(shí)檢測。將訓(xùn)練好的模型部署到系統(tǒng)中，通過攝像頭捕捉實(shí)時(shí)圖像，并使用模型進(jìn)行頭盔佩戴識別。識別結(jié)果將實(shí)時(shí)顯示在用戶界面上且對未佩戴的駕駛者進(jìn)行語音提醒。

2.4 系統(tǒng)功能特點(diǎn)

a.實(shí)時(shí)位置監(jiān)控。內(nèi)置北斗芯片，利用北斗衛(wèi)星導(dǎo)航系統(tǒng)實(shí)時(shí)跟蹤電動摩托車的位置?？稍谑謾C(jī)上顯示車輛位置，便于管理和調(diào)度。

b.機(jī)動車駕駛者頭盔佩戴的管控目前是一個(gè)盲區(qū)，響應(yīng)近年來公安部針對電動車、摩托車騎行人員發(fā)起的盔佩戴“一盔一帶”安全守護(hù)行動號召。

c.頭盔佩戴識別。結(jié)合攝像頭和圖像識別技術(shù)，準(zhǔn)確判斷駕駛員是否佩戴頭盔。一旦檢測到未佩戴頭盔，系統(tǒng)可自動記錄并發(fā)送警報(bào)。同時(shí)頭盔內(nèi)置傳感器，可感知是否佩戴，并自動上傳該駕駛員佩戴記錄至管理后臺。

d.數(shù)據(jù)分析與報(bào)告。監(jiān)控中心或云端服務(wù)器可分析收集到的數(shù)據(jù)，生成關(guān)于頭盔佩戴情況的統(tǒng)計(jì)報(bào)告。這些報(bào)告有助于了解駕駛員的遵規(guī)情況，為管理提供依據(jù)。

e.遠(yuǎn)程管理與控制。管理人員可通過用戶界面遠(yuǎn)程查看電動摩托車的位置和頭盔佩戴情況。必要時(shí)，可通過系統(tǒng)向駕駛員發(fā)送指令或提醒。

3 系統(tǒng)研究原理和方法

3.1 識別系統(tǒng)設(shè)計(jì)

電動摩托車安全頭盔佩戴識別系統(tǒng)以人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)為主要手段，通過對頭盔佩戴數(shù)據(jù)集進(jìn)行訓(xùn)練自動更新神經(jīng)網(wǎng)絡(luò)各節(jié)點(diǎn)的權(quán)重值，構(gòu)建出普適性的識別模型[3]，系統(tǒng)設(shè)計(jì)結(jié)構(gòu)如圖2所示。首先由攝像頭實(shí)時(shí)獲取圖像，進(jìn)行圖形預(yù)處理；隨后將歸一化的識別圖片傳入識別模型進(jìn)行分類預(yù)測，識別模型通過多次卷積逐層獲取特征值，并采用多個(gè)尺度融合的方式在特征圖上進(jìn)行位置和類別預(yù)測；最后將預(yù)測的分類結(jié)果標(biāo)注在圖像上輸出。

3.2 python軟件進(jìn)行檢測

打開pycharm project界面，用到的主要檢測程序如下：

if__name__=='__main__'：

parser=argparse.ArgumentParser（）。

parser.add_argument（'name_or_flags：’--weights'，nargs='+'，type=str，default='weights/best.pt'，help='model.pt path（s）'）。

#default='0'eg：0為電腦攝像頭，video1.mp4為視頻。

video1.mp4，video2.mp4為視頻源video2.mp4。

#parser.add_argument（'--source'，type=str，default='0'。

help='source'）# file/folder，0 for webcam。

parser.add_argument（*'name_or_flags：'--source'，type=str，default='。

video1.mp4'，help='source'）#file/folder，0 for webcam。

#parser.add_argument（'--source'，type=str，default='video2.mp4'。

help='source'）#file/folder，0 for webcam。

電動車頭盔佩戴檢測可視化界面，底部兩個(gè)按鈕可以選擇對電腦攝像頭獲取視頻或者視頻源圖像檢測。

3.3 手機(jī)小程序操作界面

使用微信開發(fā)者工具設(shè)計(jì)了一個(gè)專屬于物聯(lián)網(wǎng)頭盔佩戴情況實(shí)時(shí)檢測、顯示的微信小程序，通過主控單片機(jī)串口連接接收傳感器采集到的信息，并通過mqtt協(xié)議傳輸至微信小程序平臺端。功能主要借助電動摩托車安全頭盔佩戴識別系統(tǒng)中的北斗導(dǎo)航芯片對電動車駕駛員的位置信息進(jìn)行定位獲取、實(shí)時(shí)路線查詢以及在線查看駕駛員的頭盔佩戴情況等。不僅可以監(jiān)測頭盔佩戴的異常情況及時(shí)發(fā)出警報(bào)進(jìn)行提醒，還可以實(shí)現(xiàn)后臺報(bào)警、多種智能違章監(jiān)控等功能，適用于通用的交通重點(diǎn)監(jiān)控的場合，可以快速接入現(xiàn)場的監(jiān)控?cái)z像頭。

4 系統(tǒng)測試與優(yōu)化

采用手動模擬來測試，手動模擬的數(shù)據(jù)格式如下：4 000；34.44321；109.181875；1。其數(shù)值代表意義分別是：壓力傳感器值；經(jīng)緯度；經(jīng)緯度；手動模擬狀態(tài)（默認(rèn)值為1）。當(dāng)壓力傳感器值數(shù)值小于4 000時(shí)，就會觸發(fā)佩戴頭盔警報(bào)，進(jìn)行提醒或者處理。

為了驗(yàn)證基于北斗技術(shù)的電動摩托車頭盔識別系統(tǒng)的性能，在多個(gè)實(shí)際場景中進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)過程中，選取了不同類型的電動摩托車、不同的騎行者以及不同的天氣和光照條件，以全面評估系統(tǒng)的識別準(zhǔn)確性和穩(wěn)定性。

a.實(shí)驗(yàn)環(huán)境。選取了城市、郊區(qū)、鄉(xiāng)村等不同地域的多種道路環(huán)境，包括平直路段、彎道、十字路口等，以模擬不同的騎行場景。

b.實(shí)驗(yàn)對象。選取了多種品牌和型號的電動摩托車，涵蓋了市場上常見的不同車型。同時(shí)，邀請了不同年齡、性別的騎行者參與實(shí)驗(yàn)，以確保實(shí)驗(yàn)結(jié)果的普遍性。

c.環(huán)境條件。實(shí)驗(yàn)在不同的時(shí)間段進(jìn)行，包括白天、傍晚和夜晚，以及晴天、陰天、雨天等多種天氣和光照條件，以檢驗(yàn)系統(tǒng)在不同環(huán)境下的表現(xiàn)。

d.實(shí)驗(yàn)過程。①數(shù)據(jù)收集：在實(shí)驗(yàn)過程中，記錄了系統(tǒng)對騎行者頭盔佩戴情況的識別結(jié)果，并同步收集了騎行者的騎行視頻作為對照數(shù)據(jù)。②性能評估：通過對比系統(tǒng)識別結(jié)果與視頻標(biāo)注結(jié)果，計(jì)算系統(tǒng)的識別準(zhǔn)確率、誤報(bào)率和漏報(bào)率等關(guān)鍵指標(biāo)。

e.實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在大多數(shù)情況下都能準(zhǔn)確識別騎行者是否佩戴頭盔。即使在復(fù)雜環(huán)境或惡劣天氣條件下，系統(tǒng)的識別準(zhǔn)確率也能保持在較高水平。同時(shí)，系統(tǒng)的實(shí)時(shí)性也得到了很好的保證，能夠在短時(shí)間內(nèi)完成頭盔佩戴情況的識別和判斷。

5 結(jié)語

YOLO算法作為神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的技術(shù)，具有速度快、精度高等特點(diǎn)，將其應(yīng)用在電動摩托車駕駛員頭盔佩戴檢測中能有效解決交管部門執(zhí)法“最后一公里”的困境，它不僅可以提高電動摩托車騎行者的安全意識，降低交通事故的風(fēng)險(xiǎn)，還可以為交通管理部門提供有效的監(jiān)管手段，促進(jìn)城市交通的安全和有序發(fā)展。其次，北斗定位模塊與圖像識別模塊的協(xié)同需要確保兩者之間的數(shù)據(jù)能夠?qū)崟r(shí)、準(zhǔn)確地傳輸和同步[4]，以實(shí)現(xiàn)對騎行者頭盔佩戴情況的精確識別，此時(shí)對數(shù)據(jù)傳輸協(xié)議進(jìn)行優(yōu)化，確保系統(tǒng)的實(shí)時(shí)性和穩(wěn)定性。

參考文獻(xiàn)：

[1]王書獻(xiàn)，張勝茂，朱文斌，等基于深度學(xué)習(xí)YOLOV5網(wǎng)絡(luò)模型的金槍魚延繩釣電子監(jiān)控系統(tǒng)目標(biāo)檢測應(yīng)用[J]大連海洋大學(xué)學(xué)報(bào)，2021（5）：842-850.

[2]李玄鋒，夏毅，黃越，等基于改進(jìn)YOLOv5的智慧交通電動車頭盔佩戴識別系統(tǒng)[J]信息技術(shù)與信息化，2022（9）：203-206.

[3]李佳昊，陸錦泉基于優(yōu)化的YOLOv5模型的車輛檢測與分類研究[J]交通科技與管理，2022（20）：5-7.

[4]劉洪，王元華，何健，等YOLOv5算法在山火檢測中的應(yīng)用[J]興義民族師范學(xué)院學(xué)報(bào)，2022（4）：113-118.

作者簡介：

費(fèi)維科，女，1987年生，副教授，研究方向?yàn)榭刂乒こ?、物?lián)網(wǎng)工程技術(shù)。