基于眼部识别技术在疲劳驾驶上的应用

杨柳松李　翔王军宇

（东北林业大学，黑龙江 哈尔滨 150040）

基于眼部识别技术在疲劳驾驶上的应用

杨柳松李翔王军宇

（东北林业大学，黑龙江 哈尔滨 150040）

摘要：随着社会的发展，现代人生活节奏加快，尤其是司机的工作强度增加，疲劳驾驶的现象愈发严重。为了保证人们安全驾驶，减少交通事故的发生，本文设计了利用树莓派基于眼部特征识别技术来判断是否疲劳驾驶的装置，在检测过程中以人体生理特征为基础进行实时跟踪检测，有效地对驾驶员的疲劳驾驶发出预警信号，最大程度地防止交通事故的发生。

图像采集信息处理；控制及报警模块；眼部特征识别

随着经济的发展，汽车越来越成为人们出行首选的交通工具。然而，每年发生交通事故的概率居高不下，其中，很多是由于疲劳驾驶导致的。但是市场上很少有对疲劳驾驶进行监控的装置，本文就此设计漏洞设计出一款可以监测、提醒司机疲劳驾驶的装备，尽可能地减少交通事故发生，保证驾驶员及他人的生命财产安全。我国汽车保有量只占全世界的2%～3%，但事故死亡人数却占全世界的20%左右，已成为世界上道路交通事故最为严重的国家，也是死亡人数最多的国家。引发交通事故的原因有多种，根据我国交通部门的相关统计，疲劳驾驶是绝对的头号杀手，每年造成数万人的死亡和伤残，为无数家庭带来巨大痛苦。

一、图像采集技术简介

图像采集技术是用于获取驾驶员面部特征并完成对眼部的跟踪定位的一项技术。图像采集技术主要利用摄像头采集司机的面部特征及信息，选用高速A/D；TVP5150PBS解码芯片将模拟信号转化为数字信号进行处理运算。将转化的数字信号根据人脸器官的形状描述以及他、它们的距离特性进行模板化处理，然后利用眼睛、嘴巴、鼻子等部分之间的几何结构关系，与基本的人脸几何模板进行对比，当相似度超出某一阈值，则进行输出确认其为人脸。再将自然光照下肤色滤波器连接至人眼感应定位器，将数据传送至人眼定位器，人眼定位器先采用二值化进行图像处理，利用眼睛在人脸中的区域灰度来定位眼睛，先用直方图阈值法将图像二值化，然后根据其中黑色区域的面积形状以及相对位置等级和特征确定出瞳孔位置，之后采用基于活动轮廓模型的方法拟合上眼睑边缘，集中研究上眼睑与下眼睑的高度判断眼睛状态。利用Canny算法提取单像素的边缘，确定内眼角的位置，利用外眼角点的模板匹配法在眼睛图像中匹配最合适的区域作为外眼角。在对眼角点位置和上眼睑提取之后，对眼睛模型进行定位。眼睛正面模被定义为纺锤形，中间是虹膜，左右端点为内外眼角，上下圆弧为上下眼睑，再将定位后的数据传送给眼部特征识别模块。

二、眼部特征识别技术

疲劳参数提取包括PERCLOS提取、Eye Closure Time提取、Blink Frequency提取、眼睑闭合程度检测和目光停滞时间检测。PERCLOS是指眼睛闭合时间占给定时间段的百分比，是国际上公认的与疲劳程度相关性最高的参数；Eye Closure Time提取是计算每次眼睛闭合到睁开所用时间，每分钟统计最大值，得到这一分钟内的最大ECT，如果驾驶员眼睛闭合时间达到一定的值就意味着他没有认真地看着路况，这说明驾驶员正处于疲劳驾驶状态，就极有可能引发交通事故；Eye Blink Frequency提取就是提取驾驶员的眨眼频率，即记录每分钟眨眼次数，将提取数据与正常状态下驾驶员眨眼频率进行对比，若眨眼频率明显提高，则为疲劳驾驶状态；眼睑闭合程度检测，是利用Canny算法进行单像素的边缘提取，确定内外眼角的位置以及上下眼睑最大宽度，从而测量出△Y/△X的值（内眼角与外眼角之间的最大距离为△X，上眼睑与下眼睑之间的最大距离为△Y），由于人在疲劳的状态会本能地将上下眼睑进行闭合，我们监测闭合程度能以最直接的方法判断是否疲劳；目光停滞时间检测，目光停滞是指驾驶员在驾驶时眼睛正常睁开但是已经进入走神或者睁眼睡眠状态，这种状态会导致驾驶员无法对行驶状态、行驶路况进行判断，易发生交通事故，将所提取到的所有参数送给信息处理模块，进行数据的分析与处理。

三、信息处理技术

将所得到的数据进行预处理，即将提取到的眼睛闭合时间占给定时间段的百分比A、眼睛闭合到睁开所用时间T1、眨眼频率f、眼睑闭合程度B以及目光停滞时间T2等检测数据与机器学习所得数据库中给定的标准进行对比分析判断，从而确定驾驶员是否处于疲劳驾驶状态，并将分析判断后的结果传送给控制判断系统，由控制判断系统判定驾驶员是否处于疲劳状态。所谓机器学习是指将采集到的大量数据进行归类整理、画折线图或者柱状图处理分析，最终拟合出此类数据的基本参考值，再将这些基本参考值都集中存储到一个统一的数据库中。在判断样本是否符合标准时，只要从此数据库中直接检索就可以获得所需的基本参考值，再将样本数据与基本参考值进行对比即可知道样本是否符合标准。

四、控制及报警模块

利用Raspberry Pi作为控制及报警模块的核心将信息处理模块所分析得到的数据进行处理转换，利用高速D/A：SAA7121H解码芯片将数字量转化为模拟量输出至报警模块，通过警报器实现警示的作用。

结语

本设计利用人体的生理特征进行分析，提供了一种基于机动车驾驶员眼部特征的防止疲劳的驾驶警报系统。它不受天气状况以及路况等外界因素的干扰，对司机疲劳程度作出准确判断，向司机本人发出报警信息，提醒司机对危险状态作出及时处置，克服了现有基于机动车运动状态的改变来防止疲劳驾驶设备的错判率高、实时性差的问题，与现在有的防止疲劳驾驶设备相比，有装置体积小，不影响驾驶员正常驾驶，能够有效地防止交通事故的发生等优点。

[1]华成英，童诗白.模拟电子技术基础[M].北京：高等教育出版社，2006.

[2]阎石.数字电子技术基础[M].北京：高等教育出版社，1998.

[3]李道华，李玲，朱艳.传感器电路分析与设计[M].武汉：武汉大学出版社，2000.

[4]黄继昌，等.实用单元电路及其应用[M].北京：机械工业出版社，2008.

[5]张晓东，等.电工实用电子制作[M].北京：国防工业出版社，2005.

[7]焦波波.基于眼睛状态的驾驶人疲劳检测技术与研究[D].中南大学，2012.

U461

A